折叠多索引数据框以进行回归
Posted
技术标签:
【中文标题】折叠多索引数据框以进行回归【英文标题】:Collapsing a Multiindex DataFrame for Regression 【发布时间】:2016-02-24 23:13:40 【问题描述】:我有一个包含解释变量df
的多索引数据帧和一个包含响应变量df_Y
的数据帧
# Create DataFrame for explanatory variables
np.arrays = [['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
[1, 2, 3, 1, 2, 3]]
df = pd.DataFrame(np.random.randn(6,2),
index=pd.MultiIndex.from_tuples(zip(*np.arrays)),
columns=['X1', 'X2'])
# Create DataFrame for response variables
df_Y = pd.DataFrame([1, 2, 3], columns=['Y'])
我只能对索引为foo
的单级DataFrame 执行回归
df_X = df.ix['foo'] # using only 'foo'
reg = linear_model.Ridge().fit(df_X, df_Y)
reg.coef_
问题:但是,由于Y
变量对于foo
和bar
两个级别都是相同的,所以如果我们还包括bar
,我们可以获得两倍的回归样本。
重塑/折叠/取消堆叠多级 DataFrame 以便我们可以利用所有数据进行回归的最佳方法是什么? 其他级别的行数可能少于df_Y
抱歉,措辞令人困惑,我不确定正确的术语/措辞
【问题讨论】:
【参考方案1】:可以删除第一个索引,然后连接将起作用:
df.index = df.index.drop_level()
df = df.join(df_Y)
【讨论】:
以上是关于折叠多索引数据框以进行回归的主要内容,如果未能解决你的问题,请参考以下文章