为了使用Python进行Excel文件（.xlsx）的数据读取并执行多元线性回归分析，你可以采用`pandas`库来处理数据加载，并用`statsmodels`或`sklearn`来进行模型拟合。 ### 步骤一：安装必要的包 如果你还没有安装这些所需的软件包，则可以通过pip命令轻松地完成： ```bash pip install pandas openpyxl statsmodels scikit-learn ``` ### 步骤二：编写代码以读取.xlsx文件中的数据并且创建一个多元线性回归模型 #### （1）首先导入所有必需的模块: ```python import pandas as pd from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score import statsmodels.api as sm ``` #### (2) 使用Pandas加载你的Excel(.xlsx) 文件: 假设您的excel文档保存为'data.xlsx'而且第一行包含列名。你需要根据自己的情况调整路径以及sheet_name参数。 如果不确定表单的名字，可先运行 `pd.ExcelFile('data.xlsx').sheet_names` 查看具体名称。 ```python # 加载Excel文件的第一个工作簿到DataFrame df = pd.read_excel('data.xlsx', sheet_name='Sheet1') print(df.head()) # 打印前五行查看是否正确加载了数据 ``` 确保你已经检查过所读取的数据集是否存在缺失值等问题，在继续下一步之前应妥善解决这些问题。 #### (3) 定义自变量(Xs) 和因变量(y): 这里我们假定最后一列为要预测的目标y，其余各列为特征X；当然这取决于实际业务场景，请自行更改适应自己需求。 ```python # 将最后一个作为目标变量Y; 其余都作为独立变量X X = df.iloc[:, :-1].values y = df.iloc[:, -1].values # 可选步骤：将训练集拆分为测试集合验证集(80% 训练 / 20% 测试) X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42) print("Shape of training data:", X_train.shape) print("Shape of testing data:", X_test.shape) ``` #### (4) 创建并训练多元线性回归模型 接下来我们可以利用上述准备好的训练集对模型进行了训练。 **a. 利用sklearn** ```python model_sklearn = LinearRegression() model_sklearn.fit(X_train, y_train) # 对于训练集和测试集分别计算R²得分、均方误差(MSE), 以此评估性能. train_r2 = model_sklearn.score(X_train, y_train) test_r2 = model_sklearn.score(X_test, y_test) predictions = model_sklearn.predict(X_test) mse = mean_squared_error(y_test, predictions) print(f"Training R^2 Score: {train_r2}") print(f"Testing R^2 Score: {test_r2}") print(f"MSE on Test Set: {mse}") # 输出最终估计得到的系数β及截距α print("\nCoefficients:") for idx, col in enumerate(df.columns[:-1]): print(f"{col}: {model_sklearn.coef_[idx]}") print(f"\nIntercept: {model_sklearn.intercept_}\n") # 如果想把预测结果存入csv或者显示出来也完全可以这么做： result_df = pd.DataFrame({'Actual': y_test.flatten(), 'Predicted': predictions}) print(result_df) ``` **b. 或者也可以尝试使用StatsModels来做更详细的统计输出** 此方法不仅提供OLS的结果还包括额外诊断信息如标准误等，对于科研工作者尤为适用。 ```python X_sm = sm.add_constant(X_train) # 添加常数项用于表示偏置/截距 ols_model = sm.OLS(endog=y_train, exog=X_sm).fit() prediction_results = ols_model.get_prediction(sm.add_constant(X_test)) predicted_mean = prediction_results.summary_frame(alpha=0.05)['mean'] summary_output = ols_model.summary() print(summary_output) # MSE and R-squared calculation using StatsModel results pred_mse = ((predicted_mean - y_test)**2).mean() r_square_statsmodels = round(float(ols_model.rsquared_adj),6) print(f'\nPREDICTED MSE WITH STATSMODELS :{pred_mse}') print(f'R-SQUARED ADJUSTED VALUE FROM STATSMODELS:{r_square_statsmodels}') # 同样可以将预测对比放入DataFrame方便观察 comparison_df = pd.DataFrame({ "True Values": y_test, "Predictions from SKLearn": predictions, "Predictions from SM OLS": predicted_mean}).reset_index(drop=True) print(comparison_df) ``` 以上就是基于Python语言下读取Excel表格内容后建立多元线性回归过程的基本指导。希望这对您有所帮助！