如何在熊猫数据框架的列迭代运行回归

我在Python中使用Pandas编写了以下代码:

all_data = {}
for ticker in ['FIUIX', 'FSAIX', 'FSAVX', 'FSTMX']:
    all_data[ticker] = web.get_data_yahoo(ticker, '1/1/2010', '1/1/2015')

prices = DataFrame({tic: data['Adj Close'] for tic, data in all_data.iteritems()})  
returns = prices.pct_change()

我知道我可以像这样进行回归:

regs = sm.OLS(returns.FIUIX,returns.FSTMX).fit()

但是我如何为数据框架中的每一列做到这一点呢?具体来说，我如何遍历列，以便在每个列上运行回归?

具体来说，我想在FSTMX上回归彼此的股票代码(FIUIX, FSAIX和FSAVX)，并存储每次回归的残差。

我尝试过以下几种方法，但没有一种能达到预期的效果:

resids = {}
for k in returns.keys():
    reg = sm.OLS(returns[k],returns.FSTMX).fit()
    resids[k] = reg.resid

代码的返回[k]部分有问题吗?如何使用k值访问列?或者还有更简单的方法吗?

当前回答

for column in df:
    print(df[column])

2015-09-14 06:42:27

其他回答

一种解决方法是转置DataFrame并遍历各行。

for column_name, column in df.transpose().iterrows():
    print column_name

2015-07-22 17:40:19

这个答案是遍历选定的列以及DF中的所有列。

df。columns提供了一个包含DF中所有列的名称的列表。如果你想遍历所有列，这就没什么用了。但是当您只想迭代所选择的列时，它就会派上用场。

我们可以很容易地使用Python的列表切片来切片df。根据我们的需要列。例如，要遍历除第一列外的所有列，我们可以这样做:

for column in df.columns[1:]:
    print(df[column])

类似地，以倒序遍历所有列，我们可以这样做:

for column in df.columns[::-1]:
    print(df[column])

使用这种技术，我们可以以许多很酷的方式遍历所有列。还要记住，你可以很容易地获得所有列的索引:

for ind, column in enumerate(df.columns):
    print(ind, column)

2017-07-29 17:07:08

假设x因素，y标签(多列):

columns = [c for c in _df.columns if c in ['col1', 'col2','col3']]  #or '..c not in..'
_df.set_index(columns, inplace=True)
print( _df.index)

X, y =  _df.iloc[:,:4].values, _df.index.values

2021-12-12 09:20:42

你可以使用ix根据数据帧列的位置建立索引。