如何迭代熊猫数据框的列以运行回归

问题描述

for column in df:
    print(df[column])

解决方法

我确信这很简单，但作为一个完整的 python 新手，我无法弄清楚如何迭代pandas数据框中的变量并使用每个变量运行回归。

这就是我正在做的事情：

all_data = {}
for ticker in ['FIUIX','FSAIX','FSAVX','FSTMX']:
    all_data[ticker] = web.get_data_yahoo(ticker,'1/1/2010','1/1/2015')

prices = DataFrame({tic: data['Adj Close'] for tic,data in all_data.iteritems()})  
returns = prices.pct_change()

我知道我可以像这样运行回归：

regs = sm.OLS(returns.FIUIX,returns.FSTMX).fit()

但假设我想对数据框中的每一列执行此操作。特别是，我想在 FSTMX 上回归 FIUIX，然后在 FSTMX 上回归 FSAIX，然后在 FSTMX 上回归
FSAVX。每次回归后，我想存储残差。

我尝试了以下各种版本，但我一定是语法错误：

resids = {}
for k in returns.keys():
    reg = sm.OLS(returns[k],returns.FSTMX).fit()
    resids[k] = reg.resid

我认为问题是我不知道如何按键引用返回列，所以returns[k]可能是错误的。

任何有关执行此操作的最佳方法的指导将不胜感激。也许我缺少一种常见的熊猫方法。