每列的线性回归，无需创建 for 循环或函数

Question

对 pandas 数据框中的每一列或每一行应用回归，而不使用 for 循环。

关于这个有一个类似的帖子； Apply formula across pandas rows/ regression line，对每个“行”进行回归，但是绘制给出的答案是错误的。我无法对此发表评论，因为我没有足够的声誉，主要问题是，它采用列的值，然后在每一行上使用 apply 函数。

目前我只知道如何做每一列例如。

np.random.seed(1997)

df = pd.DataFrame(np.random.randn(10, 4))
first_stats = scipy.stats.linregress(df.index,df[0])
second_stats = scipy.stats.linregress(df.index,df[1])

我希望在不创建函数或 for 循环的情况下找到答案，类似于； pandas df.sum()，但不是 sum，我想做一个回归，导致斜率、截距、r 值、p 值和标准误差。

Answer 1

看下面的例子：

import numpy as np
import pandas as pd
from scipy.stats import linregress

np.random.seed(1997)
df = pd.DataFrame(pd.np.random.rand(100, 10))

df.apply(lambda x: linregress(df.index, x), result_type='expand').rename(index={0: 'slope', 1: 
                                                                                  'intercept', 2: 'rvalue', 3:
                                                                                  'p-value', 4:'stderr'})

它应该返回你想要的。