我有一个Multiindexed DataFrame包含解释变量df
和一个包含响应变量df_Y
的DataFrame
# 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'])
# Create DataFrame for response variables
df_Y = pd.DataFrame([1, 2, 3], columns=['Y'])
我能够使用索引foo
对单级DataFrame执行回归
df_X = df.ix['foo'] # using only 'foo'
reg = linear_model.Ridge().fit(df_X, df_Y)
reg.coef_
问题:然而,因为Y
和foo
两个级别的bar
变量相同,所以如果我们还包括bar
,我们可以有两倍的回归样本。
重塑/折叠/取消堆叠多级DataFrame的最佳方法是什么,以便我们可以利用所有数据进行回归?其他级别可能有较小的行df_Y
对于令人困惑的措辞感到抱歉,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)