Python 熊猫，OLS预测

我已经建立了一个面板，p从一个数据帧，dfi像这样

p=dfi.to_panel()

p看起来像

In [1334]: p
Out[1334]:
<class 'pandas.core.panel.Panel'>
Dimensions: 3 (items) x 80 (major_axis) x 20 (minor_axis)
Items axis: bid to px
Major_axis axis: 2013-01-02 05:00:00 to 2013-04-29 04:00:00
Minor_axis axis: 02005NAB6 to 893647AP2

如果有新的数据，我如何进行预测

我甚至不能让这样的东西工作

m.predict(x=dfi) and m.predict(x=dfi.dropna()) both give NaN for all rows.

为了更有帮助，我从pandas/stats/tests/test_ols.py中获取了这个

y = tm.makeTimeDataFrame()
x = Panel({'x1': tm.makeTimeDataFrame(),
           'x2': tm.makeTimeDataFrame()})

result = ols(y=y, x=x)

pred=result.predict(x=x)

当我尝试这个预测时，我得到了

ValueError                                Traceback (most recent call last)
...Omitted...

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas/core/panel.pyc in reindex(self, major, minor, method, major_axis, minor_axis, copy, **kwargs)
    815 
    816     def _reindex_multi(self, items, major, minor):
--> 817         a0, a1, a2 = len(items), len(major), len(minor)
    818 
    819         values = self.values

ValueError: Must specify at least one axis

---

我不知道为什么

predict

方法不起作用，但怀疑这是一个定位问题。问题在于，手工预测并不容易，因为您必须自己添加固定效果列

您是否可以添加一个GitHub问题，该问题可能是问题的独立再现（使用虚假数据，这很好），以便有人可以更深入地研究它？我现在不能认真考虑这个问题

ValueError                                Traceback (most recent call last)
...Omitted...

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas/core/panel.pyc in reindex(self, major, minor, method, major_axis, minor_axis, copy, **kwargs)
    815 
    816     def _reindex_multi(self, items, major, minor):
--> 817         a0, a1, a2 = len(items), len(major), len(minor)
    818 
    819         values = self.values

ValueError: Must specify at least one axis