Python:将来自不同回归的估计系数存储在单个矩阵中

Question

我有下面的代码，它通过我的数据框( df_main )并运行一个回归(应用sm.OLS() ) 每个唯一值 project_x .因此，回归的数量对应于 project_x 中唯一值的数量。 .
问题:如何存储我在具有以下维度的单个矩阵中运行的所有回归的估计(取幂!)系数？

行数=唯一数量project_x值

列数=估计的回归系数数

因此，矩阵将具有唯一的 project_x值作为行，回归系数估计为列，每个的交集是相应的估计回归系数。

我的代码:

import statsmodels.api as sm

for x in df_main.project_x.unique():
    df_holder=df_main[df_main.project_x == x]
    X = df_holder.drop(['unneeded1', 'unneeded2','unneeded3'], axis=1)
    X['constant']=1 
    Y = df_holder['sales']

    eq=sm.OLS(y, X)
    results=eq.fit()
    
    exp_coefficients=np.exp(results.params)
    print(exp_coefficients)

Answer 1

您可以存储 exp_coefficients在循环中的列表中，然后转换为矩阵
(可选)您也可以将其放入数据帧中，请参阅与 df_index、df_columns 等相关的代码

import statsmodels.api as sm

df_index = []
coef_mtr = [] # start with an empty list
for x in df_main.project_x.unique():

    ...    # the rest of your code here
    exp_coefficients=np.exp(results.params)
#   print(exp_coefficients)
    coef_mtr.append(exp_coefficients)
    df_index.append(x)

coef_mtr = np.array(coef_mtr)

# create a dataframe with this data
df_columns = [f'coef_{n}' for n in range(coef_mtr.shape[1])]
df_matrix=pd.DataFrame(data = coef_mtr, index = df_index, columns = df_columns)