Python 熊猫的成对回归

我有一个带有

n

列的数据帧

df

。该索引是DatetimeIndex。给定一个参考列

ref\u col

，我希望计算剩余列对该参考列的

n-1

一维线性回归。以下并未实现这一点，而是计算单个

n-1

-维回归：

pd.ols(y=df[ref_col], x=df.drop(ref_col, axis=1))

假设现在我想计算所有可能的两两回归，以产生一个单位对角的β矩阵

---

使用循环可以相对轻松地完成上述两项。有“矢量化”方法吗？

您可以获得参考列的成对回归列表，如下所示：

models=[pd.ols(y=df[ref_col],x=df[col]) for col in df if col<>ref_col]

models=[pd.ols（y=df[ref\u col]，x=df[col]），对于df中的col，如果colref\u col]

要获得所有可能参考列的模型矩阵，下一步是

models_matrix=[[pd.ols(y=df[ref_col],x=df[col]) for col in df if col<>ref_col] for ref_col in df]

models_matrix=[[pd.ols（y=df[ref_col]，x=df[col]）表示df中的col，如果colref_col]表示df中的ref_col]

最后，beta矩阵可以这样实现

betas=[[pd.ols(y=df[ref_col],x=df[col]).beta.x for col in df if col<>ref_col] for ref_col in df]

betas=[[pd.ols（y=df[ref\u col]，x=df[col]）。如果colref\u col]表示df中的ref\u col，则beta.x表示df中的col]