Python 3.x 如何使用statsmodels循环自动递归过滤器以生成多个列

您好，我正在尝试在我的数据帧中包含statmodel的自回归过滤函数，以生成新列

但我在运行脚本时出错，如果我只在单个列上计算脚本，则不会发生错误：

TypeError:无法将序列与“float”类型的非int相乘

将statsmodels.api导入为sm
将statsmodels.tsa导入为tsa
将statsmodels.formula.api作为smf导入
作为pd进口熊猫
#生成数据集：
data=pd.DataFrame（{'effect1'：[]，'effect2'：[]，'effect3'：[]））
对于范围（10）内的i：
data=data.append（{'effect1'：i，'effect2'：i*2，'effect3'：i*3}，ignore_index=True）
#检查数据类型
data=data.astype（'int64'）
#计算自回归递归滤波器
结转=（.1，.2）
滚动_df=（tsa.filters.filtertools.recursive_filter（col，i）
.rename（{col:'{0}{1:d}）。格式（col，i）
对于data.columns}中的列，轴=1）
因为我在结转中）
数据=pd.concat（（数据，*rolling_df），轴=1）

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在里面
10（对于我在结转中）
11
--->12数据=局部混凝土（（数据，*滚动方向），轴=1）
英寸（.0）
8.重命名（{col:'{0}{1:d}）。格式（col，i）
9表示data.columns}中的列，轴=1）
--->10（对于我在结转中）
11
12数据=局部混凝土（（数据，*滚动方向），轴=1）
递归过滤器中的~\AppData\Local\Continuum\anaconda3\envs\regressor\lib\site packages\statsmodels\tsa\filters\filtertools.py（x，ar\u coeff，init）
208 zi=无
209
-->210 y=signal.lfilter（[1.]，np.r_U1，-ar_系数），x，zi=zi）
211
212如果init不是None：
lfilter中的~\AppData\Local\Continuum\anaconda3\envs\regressor\lib\site packages\scipy\signal\signaltools.py（b、a、x、axis、zi）
1395其他：
1396如果zi为无：
->1397返回信号工具。线性滤波器（b、a、x、轴）
1398其他：
1399返回信号工具。线性滤波器（b、a、x、轴、zi）
TypeError:无法将序列与“float”类型的非int相乘
以下是对如何计算滚动df的修改：

# Optional: bind the function to a shorter name. You could also 
# import this as something terse, or just leave it as is
f = tsa.filters.filtertools.recursive_filter

rolling_df = [data.apply(f, ar_coeff=i)
                  .add_suffix(f'_{i}') 
              for i in carry_over]

data = pd.concat((data, *rolling_df), axis=1)

data

   effect1  effect2  effect3  effect1_0.1  effect2_0.1  effect3_0.1  effect1_0.2  effect2_0.2  effect3_0.2
0        0        0        0     0.000000     0.000000     0.000000     0.000000     0.000000     0.000000
1        1        2        3     1.000000     2.000000     3.000000     1.000000     2.000000     3.000000
2        2        4        6     2.100000     4.200000     6.300000     2.200000     4.400000     6.600000
3        3        6        9     3.210000     6.420000     9.630000     3.440000     6.880000    10.320000
4        4        8       12     4.321000     8.642000    12.963000     4.688000     9.376000    14.064000
5        5       10       15     5.432100    10.864200    16.296300     5.937600    11.875200    17.812800
6        6       12       18     6.543210    13.086420    19.629630     7.187520    14.375040    21.562560
7        7       14       21     7.654321    15.308642    22.962963     8.437504    16.875008    25.312512
8        8       16       24     8.765432    17.530864    26.296296     9.687501    19.375002    29.062502
9        9       18       27     9.876543    19.753086    29.629630    10.937500    21.875000    32.812500

哇，谢谢你的专业提示和快速反应。我只是将函数与上面的循环进行比较，然后单独调用函数。我没有遇到相同的结果，这很奇怪，它仍然是完全相同的计算逻辑。y[n]=ar_系数[0]*y[n-1]+…+ar_coeff[n_coeff-1]*y[n-n_coeff]+x[n]tsa.filters.filtertools.recursive_filter（数据['effect2'，0.1）对不起，我应该保留默认的
应用（axis=0）
行为，但我错误地编写了
axis=1
。现在该工作了！我也找到了，再次谢谢你，它工作得很好。我忘记了熊猫的作用。好极了再次感谢你！