如何访问一列分组数据来对大熊猫进行线性回归？

Question

我想对熊猫的分组数据框架进行线性回归。我正在调用的函数抛出一个我无法解析的KeyError。

我有一个叫做dat的环境数据集，它包括一种化学物质在不同树龄、不同年龄、不同地点、在几个时间步骤中的浓度数据。现在，我想在每一组(地点、物种、年龄)中，随着时间的推移，对注意力进行回归。

这是我的密码：

将熊猫作为pd导入

导入statsmodels.api作为sm

dat = pd.read_csv('data.csv')

dat.head(15)

   SampleName  Concentration     Site Species  Age  Time_steps

0 batch1 2.18德国松1 1

1 batch2 5.19德国松1 2

德国松2 batch3 11.52 1 3

挪威云杉3 batch4 16.64 0 1

挪威云杉4 batch5 25.30 0 2

挪威云杉5 batch6 31.20 0 3

6 batch7 12.63挪威云杉1 1

7 batch8 18.70挪威云杉1 2

8 batch9 43.91挪威云杉1 3

9 batch10 9.41瑞典桦树0 1

10 batch11 11.10瑞典桦树0 2

11 batch12 15.73瑞典桦树0 3

12 batch13 16.87瑞士山毛榉0 1

13 batch14 22.64瑞士山毛榉0 2

瑞士batch15 29.75瑞士山毛榉0 3

def ols_res_grouped(组)：

xcols_const = sm.add_constant(group['Time_steps']) 

linmod = sm.OLS(group['Concentration'], xcols_const).fit() 

return linmod.params[1] 

分组=dat.groupby(“站点”、“物种”、“年龄”).agg(Ols_res_grouped)

我想得到Time_steps上浓度数据的回归系数，但得到一个KeyError：'Time_steps‘。sm方法如何访问组“Time_steps”

Answer 1

根据熊猫文献的说法，agg独立地将函数应用于每一列。也许可以使用NamedAgg，但我不确定。

我认为只使用for循环来处理这个问题要容易得多：

for _, group in dat.groupby(['Site','Species','Age']):
    coeff = ols_res_grouped(group)

    # if you want to put the coeff inside the dataframe
    dat.loc[group.index, 'coeff'] = coeff