根据两列“坐标”计算斜率

Question

我有类似于此的 pandas 数据框（日期为索引）：

>>>            J01B_X   J01B_y   J02C_x   J02C_y...
date
2019-06-23     0.45    1.12       4.56    1.1
2019-06-24     0.22    1.18       5.5     0.8
2019-06-25     0.35    1.10       6.1     8.3
...

• 原表这样有58列，基本上每个观测值有2个值，x和y值。

我想根据列中的 X 和 Y 值计算斜率：
(0.45 1.12, 0.22 1,18, 0.35 1.10) -> 基于 J01B_X 和 J01B_y 观察 J01B 的斜率
(4.51 1.1 , 5.5 0.8 , 6.1 8.3) -> 根据 J02C_X 和 J02C_y 计算观测 J02C 的斜率

问题是我有 58 个这样的列来计算它们的斜率，每次基于两列。

最后我希望有一行，不在同一个原始表中，基于两列计算斜率，如下所示（这是假数字）：

>>>            J01B   J02C    ....   
               0.13    0.05       

有没有办法做这样的事情？

Answer 1

该示例创建了一个 pandas Series，它基本上是一个单维 pandas 对象，例如一行。如果您愿意，可以从中创建一个数据框

import pandas as pd
from scipy import stats

slopeB = stats.linregress(df['J01B_X'], df['J01B_y'] )
slopeB = slopeB[0]

slopeC = stats.linregress(df['J02C_x'], df['J02C_y'] )
slopeC = slopeC[0]

#Create Pandas series with slope data
slopes = pd.Series([slopeB, slopeC], index = ['J01B', 'J02C'], name="Slope")
slopedf = pd.DataFrame(slopes).T

斜坡看起来像这样：

J01B   -0.278195
J02C    4.233791
Name: Slope, dtype: float64

slopedf 看起来像这样，是一个有一行的 DataFrame：

           J01B      J02C
Slope -0.278195  4.233791

slopes 和slopedf 都可以以相同的方式进行查询，但是该系列将返回条目的数值，而slopedf 将返回带有数据的单个元素系列。即使系列在打印时显示为列，我认为这就是您想要的。

#output of slopes['J01B']
-0.2781954887218037

#output of slopedf['J01B']
Slope   -0.278195
Name: J01B, dtype: float64