折叠Multiindex DataFrame以进行回归

Question

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

Answer 1

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)