Python 折叠用于回归的多索引数据帧
我有一个包含解释变量Python 折叠用于回归的多索引数据帧,python,python-2.7,pandas,Python,Python 2.7,Pandas,我有一个包含解释变量df的多索引数据框和一个包含响应变量df_Y # Create DataFrame for explanatory variables np.arrays = [['foo', 'foo', 'foo', 'bar', 'bar', 'bar'], [1, 2, 3, 1, 2, 3]] df = pd.DataFrame(np.random.randn(6,2), index=pd.MultiIndex.fro
df
的多索引数据框和一个包含响应变量df_Y
# Create DataFrame for explanatory variables
np.arrays = [['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
[1, 2, 3, 1, 2, 3]]
df = pd.DataFrame(np.random.randn(6,2),
index=pd.MultiIndex.from_tuples(zip(*np.arrays)),
columns=['X1', 'X2'])
我能够使用索引foo
df_X = df.ix['foo'] # using only 'foo'
reg = linear_model.Ridge().fit(df_X, df_Y)
reg.coef_
问题:但是,由于Y
变量对于foo
和bar
这两个级别都是相同的,因此如果我们还包括bar
,则回归样本的数量可以增加一倍
重塑/折叠/取消堆叠多级数据框的最佳方法是什么,以便我们可以利用所有数据进行回归其他级别可能有较少的行df_Y
很抱歉措辞混乱,我不确定正确的术语/措辞可以删除第一个索引,然后连接将起作用:
df.index = df.index.drop_level()
df = df.join(df_Y)
df.index = df.index.drop_level()
df = df.join(df_Y)