Python：如何按组运行多元单变量回归

假设我有一个

DataFrame

，其中有一列

y

变量和多列

x

变量。我希望能够运行

y

vs

x1

，

y

vs

x2

，…，等等的多个单变量回归，并将预测存储回

数据框

。我还需要通过一个组变量来实现这一点

import statsmodels.api as sm
import pandas as pd

df = pd.DataFrame({
  'y': np.random.randn(20),
  'x1': np.random.randn(20), 
  'x2': np.random.randn(20),
  'grp': ['a', 'b'] * 10})

def ols_res(x, y):
    return sm.OLS(y, x).fit().predict()

df.groupby('grp').apply(ols_res) # This does not work

---

上面的代码显然不起作用。我不清楚如何在使

apply

遍历

x

列（

x1

，

x2

，…）的同时正确地将固定的

y

传递给函数。我怀疑可能有一个非常聪明的单线解决方案可以做到这一点。有什么想法吗？

传递给

apply

的函数必须将

pandas.DataFrame

作为第一个参数。您可以将其他关键字或位置参数传递给

apply

，这些参数将传递给applied函数。因此，您的示例只需稍加修改即可工作。将

ols\u res

更改为

def ols_res(df, xcols,  ycol):
    return sm.OLS(df[ycol], df[xcols]).fit().predict()

然后，您可以像这样使用

groupby

和

apply

df.groupby('grp').apply(ols_res, xcols=['x1', 'x2'], ycol='y')

或

编辑

上述代码不运行多个单变量回归。相反，它对每组进行一次多元回归。不过，只要（再）稍加修改，它就可以了

def ols_res(df, xcols,  ycol):
    return pd.DataFrame({xcol : sm.OLS(df[ycol], df[xcol]).fit().predict() for xcol in xcols})

编辑2

尽管上述解决方案可行，但我认为下面的方法更为简单

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

df = pd.DataFrame({
  'y': np.random.randn(20),
  'x1': np.random.randn(20), 
  'x2': np.random.randn(20),
  'grp': ['a', 'b'] * 10})

def ols_res(x, y):
    return pd.Series(sm.OLS(y, x).fit().predict())

df.groupby('grp').apply(lambda x : x[['x1', 'x2']].apply(ols_res, y=x['y']))

---

出于某种原因，如果我像最初一样定义

ols_res（）

，那么结果的

DataFrame

在索引中没有组标签。

事实上，我相信这会运行一个多元回归，而不是在列中循环并运行多个单变量回归。很抱歉，我本应该更仔细地阅读这个问题。请看我的编辑。

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

df = pd.DataFrame({
  'y': np.random.randn(20),
  'x1': np.random.randn(20), 
  'x2': np.random.randn(20),
  'grp': ['a', 'b'] * 10})

def ols_res(x, y):
    return pd.Series(sm.OLS(y, x).fit().predict())

df.groupby('grp').apply(lambda x : x[['x1', 'x2']].apply(ols_res, y=x['y']))