Python 在所有数据帧列上应用statsmodels自回归函数

我试图在熊猫数据框架中的一些数据上拟合自回归模型

我当前的代码：-

import pandas as pd
import statsmodels.tsa.api as smt
store=[]

df = pd.DataFrame({'A':[0.345, 0.985, 0.912, 0.645, 0.885, 0.121],
                       'B':[0.475, 0.502, 0.312, 0.231, 0.450, 0.234],
                       'C':[0.098, 0.534, 0.125, 0.984, 0.236, 0.734],
                       'D':[0.345, 0.467, 0.935, 0.074, 0.623, 0.469]})

for i in range(len(df.columns)):
    x=smt.AR(df.iloc[:,i]).fit(maxlag=1, ic='aic', trend='nc')
    store.append(x)

---

我想知道我是否可以使用apply或applymap或lambda函数而不是for loop

我无法测试它，因为我没有这些包，但从中给出的示例判断，您应该能够做到这一点：

def fit_it(vector):
   return smt.AR(vector).fit(maxlag=1, ic='aic', trend='nc').params[0]

results = df.apply(fit_it, axis=0, reduce=True)

---

好问题！我相信，您并没有真正改变现有数据。smt.AR（…）的输出是什么？一个数字，向量，字符串？具体地说，我在看x.params[0]。由于这是阶数为1的AR模型，因此x.params[0]是单个值。它的系数值基于模型输出。