Python 3.x 如何在不循环的情况下获得Stats模型中多个单变量OLS的变量t-stat？

下面的代码用于获取我运行的OLS的t-stats和r-squared。然而，我有数以百万计的回归运行和循环，这是我的年龄。如果建议其他解决方案，我们将不胜感激。谢谢

import statsmodels.api as sm
import pandas as pd
import numpy as np

x = np.cumsum(np.ones(5))
df_y = pd.DataFrame({"A": [10,20,30,40,50], 
                   "B": [20, 30, 10, 40, 50], 
                   "C": [32, 234, 23, 23, 42523]})
df_result = pd.DataFrame({"t-stats": np.ones(3)*np.nan, 
                          "r2": np.ones(3)*np.nan})
for i in range(0,df_y.shape[1]):
    y = df_y.iloc[:,i]
    results = sm.OLS(y,x).fit()
    df_result.loc[i, "t-stats"] = (results.params/results.bse).values
    df_result.loc[i, "r2"] = results.rsquared

对不起，补充我的问题

---

如果y中缺少值怎么办？如何处理？谢谢

不幸的是，您无法使用statsmodels执行此操作，因为y必须是单个变量。如果您确实需要这里的性能，您可以使用numpy轻松编写自己的版本。假设

x

从未改变

import numpy as np
import pandas as pd
import statsmodels.api as sm

# Assume y is n by m where m is 1,000,000, use 1,000 here for speed
y = pd.DataFrame(np.random.standard_normal((20,1000)))
x = pd.DataFrame(sm.add_constant(np.random.standard_normal((20,3))))
_x = np.asarray(x)
_y = np.asarray(y)
b = np.linalg.lstsq(_x, _y, rcond=None)[0]
e = _y - _x @ b
err_var = (e**2).mean(0)
# correct formula depends if x has a constant, here I assume it does
r2 = 1.0 - err_var / ((_y - _y.mean(0))**2).mean(0)
xpxi = np.linalg.inv(_x.T@_x)
se = np.sqrt(np.diag(xpxi)[:,None]*err_var)
tstats = b / se

与使用statsmodels相比，这种方法的鲁棒性较差，但会精确地快一个数量级，因为它避免了大量检查、边缘案例保护和计算您不想要的统计数据

---

在我的机器上，此代码运行时间为1.9ms，因此对于1000000系列，大约需要2秒。

感谢Kevin提供的解决方案。在我的例子中，y和x都是一个单变量和一个常量。如果y中缺少值呢？如何处理？谢谢，在运行代码之前，您通常需要从y和x中删除这些值。因此，这不能以上述方式完成，因为每个y中缺少的值位于不同的位置……这是正确的。当缺少值时，需要选择y和x的正确子集以获得正确的结果，因此需要在每个数据集中运行模型。