我确信这很简单,但是作为python的新手,我很难理解如何在数据帧中迭代变量并对每个变量运行回归。
我要做的是:
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()
我知道我可以这样做:
regs = sm.OLS(returns.FIUIX,returns.FSTMX).fit()
但是假设我想对数据帧中的每一列都这样做。特别是,我想在FSTMX上回归FIUIX,然后在FSTMX上回归FSAIX,然后在FSTMX上回归FSAVX。每次回归之后,我都要存储残差。
我试过以下各种版本,但一定是语法错误:
resids = {}
for k in returns.keys():
reg = sm.OLS(returns[k],returns.FSTMX).fit()
resids[k] = reg.resid
我认为问题是我不知道如何按键引用returns列,所以returns[k]
可能是错误的。
任何关于最佳方法的指导都将不胜感激。也许我错过了一个常见的熊猫方法。
您可以使用
iteritems()
:这个答案是遍历DF中的所有列。
df.columns
给出一个列表,其中包含DF中所有列的名称。现在,如果要遍历所有列,这就不是很有帮助了。但是当您只想在您选择的列上迭代时,它很有用。我们可以根据需要使用Python的列表切片轻松地对df.columns进行切片。例如,要遍历除第一列以外的所有列,我们可以执行以下操作:
类似于以相反的顺序遍历所有列,我们可以执行以下操作:
使用这种技术,我们可以用很多很酷的方法遍历所有列。还要记住,可以使用以下方法轻松获取所有列的索引:
相关问题 更多 >
编程相关推荐