《python 一元回归拟合（含幂函数，对数，S函数，指数函数，一次、二次、三次，逆函数，生长、复合函数）》这篇文章里的代码，用我自己的数据报错如下：numpy.core._exceptions.UFuncTypeError: ufunc 'add' did not contain a loop with signature matching types (dtype('float64'), dtype('<U92')) -> None，应该怎么处理
def analysis_of_regression(data_df,x_自变量,y_因变量,fw,io_1):
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.metrics import r2_score
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
#%%需要外部加载的变量
# df_a = pd.DataFrame( columns=['标签','类型', 'r2', '航司','公式'])
df_a = pd.DataFrame()
df_d = pd.DataFrame(columns=('标签','类型','r2','系数'))
data_array = np.array(data_df[['标签']])
b=data_array.tolist()
a=[x for tup in b for x in tup]
a = list(set(a))
#开始进行函数拟合
for i in a:
# for i in [1]:
jj=data_df[(data_df['标签']==i)]
# jj=data_df
##线性
x_cz_2=jj[['自变量']].values.tolist()
y_cz_2=jj[['因变量']].values.tolist()
x_cz_2=sum(x_cz_2,[])
y_cz_2=sum(y_cz_2,[])
L=np.polyfit(x_cz_2, y_cz_2, 1)
print(L)
Z=np.polyval(L,x_cz_2,)
score = r2_score(y_cz_2, Z, multioutput='raw_values')
print('线性：'+str(score))
new=pd.DataFrame({'标签':i,
'类型':'线性',
'r2':score,
'系数':[L]})
df_d=df_d.append(new,ignore_index=(True))
##指数
x_cz_2=jj[['自变量']].values.tolist()
y_cz_2=jj[['因变量']].values.tolist()
x_cz_2=sum(x_cz_2,[])
y_cz_2=sum(y_cz_2,[])
L=np.polyfit(x_cz_2, np.log(y_cz_2), 1)
Z=np.polyval(L,x_cz_2)
true=np.exp(Z)
score = r2_score(y_cz_2,true, multioutput='raw_values')
print('指数：'+str(score))
new=pd.DataFrame({'标签':i,
'类型':'指数',
'r2':score,
'系数':[L]})
df_d=df_d.append(new,ignore_index=(True))
# ##二次
# x_cz_2=jj[['自变量']].values.tolist()
# y_cz_2=jj[['因变量']].values.tolist()
# x_cz_2=sum(x_cz_2,[])
# y_cz_2=sum(y_cz_2,[])
# L=np.polyfit(x_cz_2, y_cz_2, 2)
# print(L)
# Z=np.polyval(L,x_cz_2,)
# score = r2_score(y_cz_2, Z, multioutput='raw_values')
# print('二次：'+str(score))
# new=pd.DataFrame({'标签':i,
# '类型':'二次',
# 'r2':score,
# '系数':[L]})
# df_d=df_d.append(new,ignore_index=(True))
##幂函数
x_cz_2=jj[['自变量']].values.tolist()
y_cz_2=jj[['因变量']].values.tolist()
x_cz_2=sum(x_cz_2,[])
y_cz_2=sum(y_cz_2,[])
L=np.polyfit(np.log(x_cz_2), np.log(y_cz_2), 1)
Z=np.polyval(L,np.log(x_cz_2))
true=np.exp(Z)
score = r2_score(y_cz_2,true, multioutput='raw_values')
print('幂函数：'+str(score))
new=pd.DataFrame({'标签':i,
'类型':'幂函数',
'r2':score,
'系数':[L]})
df_d=df_d.append(new,ignore_index=(True))
##对数
x_cz_2=jj[['自变量']].values.tolist()
y_cz_2=jj[['因变量']].values.tolist()
x_cz_2=sum(x_cz_2,[])
y_cz_2=sum(y_cz_2,[])
L=np.polyfit(np.log(x_cz_2), y_cz_2, 1)
Z=np.polyval(L,np.log(x_cz_2))
score = r2_score(y_cz_2,Z, multioutput='raw_values')
print('对数：'+str(score))
new=pd.DataFrame({'标签':i,
'类型':'对数',
'r2':score,
'系数':[L]})
df_d=df_d.append(new,ignore_index=(True))
##复合函数
x_cz_2=jj[['自变量']].values.tolist()
y_cz_2=jj[['因变量']].values.tolist()
x_cz_2=sum(x_cz_2,[])
y_cz_2=sum(y_cz_2,[])
L=np.polyfit(x_cz_2,np.log(y_cz_2), 1)
Z=np.polyval(L,x_cz_2)
true=np.exp(Z)
score = r2_score(y_cz_2,true, multioutput='raw_values')
print('复合函数：'+str(score))
new=pd.DataFrame({'标签':i,
'类型':'复合函数',
'r2':score,
'系数':[L]})
df_d=df_d.append(new,ignore_index=(True))
##生长
x_cz_2=jj[['自变量']].values.tolist()
y_cz_2=jj[['因变量']].values.tolist()
x_cz_2=sum(x_cz_2,[])
y_cz_2=sum(y_cz_2,[])
L=np.polyfit(x_cz_2, np.log(y_cz_2), 1)
Z=np.polyval(L,x_cz_2)
true=np.exp(Z)
score = r2_score(y_cz_2,true, multioutput='raw_values')
print('生长：'+str(score))
new=pd.DataFrame({'标签':i,
'类型':'生长',
'r2':score,
'系数':[L]})
df_d=df_d.append(new,ignore_index=(True))
# ##三次
# x_cz_2=jj[['自变量']].values.tolist()
# y_cz_2=jj[['因变量']].values.tolist()
# x_cz_2=sum(x_cz_2,[])
# y_cz_2=sum(y_cz_2,[])
# L=np.polyfit(x_cz_2, y_cz_2, deg=3)
# Z=np.polyval(L,x_cz_2)
# score = r2_score(y_cz_2,Z,multioutput='raw_values')
# print('三次：'+str(score))
# new=pd.DataFrame({'标签':i,
# '类型':'三次',
# 'r2':score,
# '系数':[L]})
# df_d=df_d.append(new,ignore_index=(True))
# ##S函数
# x_cz_2=jj[['自变量']].values.tolist()
# y_cz_2=jj[['因变量']].values.tolist()
# x_cz_2=sum(x_cz_2,[])
# x_cz_3 = [1/x for x in x_cz_2]
# y_cz_2=sum(y_cz_2,[])
# L=np.polyfit(x_cz_3, np.log(y_cz_2), 1)
# Z=np.polyval(L,x_cz_3)
# true=np.exp(Z)
# score = r2_score(y_cz_2,true,multioutput='raw_values')
# print('S函数：'+str(score))
# new=pd.DataFrame({'标签':i,
# '类型':'S函数',
# 'r2':score,
# '系数':[L]})
# df_d=df_d.append(new,ignore_index=(True))
##逆函数
x_cz_2=jj[['自变量']].values.tolist()
y_cz_2=jj[['因变量']].values.tolist()
x_cz_2=sum(x_cz_2,[])
x_cz_3 = [1/x for x in x_cz_2]
y_cz_2=sum(y_cz_2,[])
L=np.polyfit(x_cz_3, y_cz_2, 1)
Z=np.polyval(L,x_cz_3)
score = r2_score(y_cz_2,true,multioutput='raw_values')
print('逆函数：'+str(score))
new=pd.DataFrame({'标签':i,
'类型':'逆函数',
'r2':score,
'系数':[L]})
df_d=df_d.append(new,ignore_index=(True))
df_zh=df_d.sort_values('r2', ascending=False).groupby('标签', as_index=False).first()
ff=df_zh
# second=df_e[(df_e['类型']=='二次')]
j=0
while j < len(a):
gg=ff.iloc[[j]].values.tolist()
gg =sum(gg,[])
if gg[1] == '二次':
x=fw
y_sh=gg[3][0]*x**2+gg[3][1]*x+gg[3][2]
formu_s='y='+str(gg[3][0])+str('x^2+')+str(gg[3][1])+str('x')+str('+(')+str(gg[3][2])+str(')')
elif gg[1] == '线性':
x=fw
y_sh=gg[3][0]*x+gg[3][1]
formu_s='y_zh='+str(gg[3][0])+str('x')+str('+(')+str(gg[3][1])+str(')')
elif gg[1] == '指数':
x=fw
y_sh=np.exp(gg[3][0]*x+gg[3][1])
formu_s='y='+str(np.exp(gg[3][1]))+str('e')+'^'+str(gg[3][0]) +'x'
elif gg[1] == '幂函数':
x=fw
y_sh=np.exp(gg[3][1]+(np.log(x)*gg[3][0]))
formu_s='y='+str(np.exp(gg[3][1]))+str('x')+'^'+str(gg[3][0])
elif gg[1] == '对数':
x=fw
y_sh=gg[3][1]+(np.log(x)*gg[3][0])
formu_s='y='+str(gg[3][1])+'+'+str(gg[3][0])+'In(x)'
elif gg[1] == '生长':
x=fw
y_sh=np.exp(gg[3][0]*x+gg[3][1])
formu_s='y='+'e^('+str(gg[3][0])+str('x')+str('+(')+str(gg[3][1])+str('))')
elif gg[1] == '三次':
x=fw
y_sh=gg[3][0]*x**3+gg[3][1]*x**2+gg[3][2]*x+gg[3][3]
formu_s='y='+str(gg[3][0])+str('x^3+')+str(gg[3][1])+str('x^2+')+str(gg[3][2])+str('x')+str('+(')+str(gg[3][3])+str(')')
elif gg[1] == 'S函数':
x=fw
y_sh=np.exp(gg[3][0]*(x)**(-1)+gg[3][1])
formu_s='y='+'e^('+str(gg[3][0])+str('(1/x)')+str('+(')+str(gg[3][1])+str('))')
elif gg[1] == '逆函数':
x=fw
y_sh=gg[3][0]*(x)**(-1)+gg[3][1]
formu_s='y='+str(gg[3][0])+str('(1/x)')+str('+(')+str(gg[3][1])+str(')')
elif gg[1] == '复合函数':
x=fw
y_sh=np.exp(gg[3][1]+(gg[3][0]*x))
formu_s='y='+str(np.exp(gg[3][1])) +'*'+str(np.exp(gg[3][0])) +'^x'
gg.append(formu_s)
del gg[3]
gg=[gg]
df_a=df_a.append(gg,ignore_index=(True))
# if gg[1] == '二次':
# x=np.arange(0.15,0.4,0.002)
# y_nh=gg[3][0]*x**2+gg[3][1]*x+gg[3][2]-x
# formu_n='y_cz='+str(gg[3][0])+str('x^2+')+str(gg[3][1])+str('x')+str('+(')+str(gg[3][2])+str(')')+'-x'
# elif gg[1] == '线性':
# x=np.arange(0.15,0.4,0.002)
# y_nh=gg[3][0]*x+gg[3][1]-x
# formu_n='y_cz='+str(gg[3][0])+str('x')+str('+(')+str(gg[3][1])+str(')')+'-x'
# elif gg[1] == '指数':
# x=np.arange(0.15,0.4,0.002)
# y_nh=np.exp(gg[3][0]*x+np.log(gg[3][1]))-x
# # formu=str(gg[3][0])+str('x')+str('+(')+str(gg[3][1])+str(')')
# else :
# x=np.arange(0.15,0.4,0.002)
# y_nh=np.exp(gg[3][0]*x+np.log(gg[3][1])) -x
# if gg[5] == '二次':
# x=np.arange(0.15,0.4,0.002)
# y_sh=gg[7][0]*x**2+gg[7][1]*x+gg[7][2] -x
# formu_s='y_zh='+str(gg[7][0])+str('x^2+')+str(gg[7][1])+str('x')+str('+(')+str(gg[7][2])+str(')')+'-x'
# elif gg[5] == '线性':
# x=np.arange(0.15,0.4,0.002)
# y_sh=gg[7][0]*x+gg[7][1] -x
# formu_s='y_zh='+str(gg[7][0])+str('x')+str('+(')+str(gg[7][1])+str(')')+'-x'
# elif gg[5] == '指数':
# x=np.arange(0.15,0.4,0.002)
# y_sh=np.exp(gg[7][0]*x+np.log(gg[7][1])) -x
# else :
# x=np.arange(0.15,0.4,0.002)
# y_sh=np.exp(ff[7][0]*x+np.log(ff[7][1])) -x
# fig11=plt.figure(num=11,figsize=(20,17))
# ax11=fig11.add_subplot(111)
#调整保存图片的大小
plt.figure(figsize=(20, 15))
plt.plot(x,y_sh,'r-.o',label=y_因变量+formu_s+' r2='+str(gg[0][2]),linewidth=0.05)
plt.tick_params(labelsize=23)
plt.xlabel(x_自变量,fontsize=40)
plt.ylabel(y_因变量,fontsize=40)
plt.title(str(gg[0][0])+'--'+x_自变量+'&'+y_因变量,fontsize=40) #要用plt调动title
plt.legend(fontsize=30)
x2=data_df[(data_df['标签']==gg[0][0])][['自变量']]
y2=data_df[(data_df['标签']==gg[0][0])][['因变量']]
colors2 = '#DC143C'
area = np.pi * 6**2.7 # 点面积
# 画散点图
plt.scatter(x2, y2, s=area, c=colors2, alpha=0.5)
plt.savefig('')
plt.savefig(io_1+'/%s.jpg'%(gg[0][0]), bbox_inches='tight')
plt.show()
# plt.close()
j=j+1
if j > len(a)-1:
break
df_a.columns= ['标签','类型', 'r2','公式']
return df_a
data_df = pd.read_csv(r"E:\回归.csv")
data_df = data_df[data_df.WaterSpeed >= 15]
df_d = pd.DataFrame(columns=('标签','类型', 'r2', '系数'))
x_自变量 = data_df['自变量']
y_因变量 = data_df['因变量']
io_1 = r'C:\Users\**\Desktop\图'
fw = np.arange(1, 100, 1)
answer = analysis_of_regression(data_df, x_自变量, y_因变量, fw, io_1)
