Python实现多元线性回归和绘图指南

关于多元线性回归的拟合以及出图，其大致方法与简单线性回归类似，方法详细介绍请参照我的博客 Python关于如何进行简单线性回归拟合以及出图 这里直接列出代码不再做介绍

# -*- coding: utf-8 -*-
import numpy as np
import statsmodels.api as sm
import pandas as pd
import matplotlib.pyplot as plt

data=pd.read_excel('dy01.xlsx',encoding='ute-8')
y=data['box-office']
x1=data['release-time']
x2=data['score']
x3=data['score-num']
x4=data['length']
x5=data['name']
x6=data['h1']
x7=data['h2']
x8=data['h3']

x=np.column_stack((x2,x3,x4,x6,x7,x8))

# 线性回归拟合
x_n = sm.add_constant(x) #statsmodels进行回归时，一定要添加此常数项
model = sm.OLS(y, x_n) #model是回归分析模型
results = model.fit() #results是回归分析后的结果

#输出回归分析的结果
print(results.summary())
print('Parameters: ', results.params)
print('R2: ', results.rsquared)

#以下用于出图
plt.figure()
plt.rcParams['font.sans-serif'] = ['Kaiti']  # 指定默认字体
plt.title(u"线性回归预测")
plt.xlabel(u"x")
plt.ylabel(u"price")
plt.axis([0, 3000000, 0, 5000000000])
plt.scatter(x, y, marker="o",color="b", s=50)
plt.plot(x_n, y, linewidth=3, color="r")
plt.show()