如何使用 Python 和 Numpy 计算 r 平方？

我正在使用 Python 和 Numpy 来计算任意次数的最佳拟合多项式。我传递 x 值、y 值和我想要拟合的多项式次数（线性、二次等）的列表。

这很有效，但我还想计算 r（相关系数）和 r 平方（确定系数）。我将我的结果与 Excel 的最佳拟合趋势线功能及其计算的 r 平方值进行比较。使用这个，我知道我正在正确计算线性最佳拟合的 r 平方（度等于 1）。但是，我的函数不适用于次数大于 1 的多项式。

Excel 可以做到这一点。如何使用 Numpy 计算高阶多项式的 r 平方？

这是我的功能：

import numpy

# Polynomial Regression
def polyfit(x, y, degree):
    results = {}

    coeffs = numpy.polyfit(x, y, degree)
     # Polynomial Coefficients
    results['polynomial'] = coeffs.tolist()

    correlation = numpy.corrcoef(x, y)[0,1]

     # r
    results['correlation'] = correlation
     # r-squared
    results['determination'] = correlation**2

    return results

回复很晚了，但以防万一有人需要一个现成的函数：

scipy.stats.linregress

i.e.

slope, intercept, r_value, p_value, std_err = scipy.stats.linregress(x, y)

正如@Adam Marples 的回答。