根据相关数据集进行回归分析
1.
import statsmodels.api as sm
# df.loc[:, ...] 表示选择所有行。
# df.columns != 'mpg' 创建一个布尔数组，指示哪些列不等于 'mpg'。
# df.loc[:, df.columns != 'mpg'] 选择 df 中所有行和列名不等于 'mpg' 的所有列。
x =df.loc[:,df.columns!='mpg']
#在数据框 x 中添加一列常数值（通常为 1）。
#这一列称为截距项（intercept），在回归分析中非常重要。
#这样做的目的是确保模型在进行线性回归时，包括一个常数项（截距）。
x=sm.add_constant(x)
y = df['mpg']
# 随机抽取 x 数据框中的 6 行数据。
x.sample(6)
2.
import statsmodels.formula.api as smf
#smf.ols 是使用普通最小二乘法（OLS）进行线性回归分析的函数。
#formula='mpg~hp+C(vs)+C(am)' 定义了回归模型的公式
#mpg 是因变量（或目标变量），即我们要预测的变量。
#hp 是自变量之一，即预测变量。
#C(vs) 和 C(am) 表示 vs 和 am 是分类变
