我使用带有“名称”索引和“日期”列的数字 DF(即 Y),并对不在 DF 中的其他 3 个变量 (X) 计算 PLS 回归。 我想提取该 DF 的每个日期的每个名称的 beta 'o',这是通过按日期索引的循环计算的。 问题是存在大量缺失数据 (Y),因为并非每个日期都出现所有姓名。 因此,我构建了一个索引字典 o[i],其中包含特定日期存在的所有名称,依此类推。 我的问题是:如何使用 beta 构建 DF,并将日期和名称作为列和索引?
import pandas as pd
import numpy as np
PLS 的结果可以按如下方式组织:
o={}
o[0]={'Date' : '1995-12-12', 'Names' : ['Jack','Jeff','Paul'] ,'Beta' : [0.254,0.12,0.35]}
o[1]={'Date' : '1995-12-13', 'Names' : ['Jack','Jeff','Paul'], 'Beta' : [0.21,0.11,0.31]}
o[2]={'Date' : '1995-12-14', 'Names' : ['Jack','Jeff','Paul','Olivia'], 'Beta' : [0.1,0.08,0.4,0.15]}
o[3]={'Date' : '1995-12-15', 'Names' : ['Jack','Jeff','Paul','Olivia'], 'Beta' : [0.2,0.13,0.37,0.09]}
o[4]={'Date' : '1995-12-16', 'Names' : ['Jeff','Paul','Olivia','Stef'], 'Beta' : [0.15,0.29,0.33,-0.01]}
最佳答案
您可以尝试按以下方式进行操作:
# Create the dataframe
df = pd.concat(list(map(pd.DataFrame, o.values())))
# Reindex by Date and Names
df = df.set_index(['Date', 'Names'])
结果
Beta
Date Names
1995-12-12 Jack 0.254
Jeff 0.120
Paul 0.350
1995-12-13 Jack 0.210
Jeff 0.110
Paul 0.310
1995-12-14 Jack 0.100
Jeff 0.080
Paul 0.400
Olivia 0.150
1995-12-15 Jack 0.200
Jeff 0.130
Paul 0.370
Olivia 0.090
1995-12-16 Jeff 0.150
Paul 0.290
Olivia 0.330
Stef -0.010
关于python - 如何使用索引字典构建 DataFrame?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53686109/