returns = df.pct_change(1) * 100
返回是将日期作为索引的数据框，在此我想分别将每一列与数据框的最后一列（即^ BSESN）进行回归。由于有700多个列，因此我想遍历这些列。我还想在每次回归后存储残差。我使用了以下各种版本，但不断出现相同的错误。我需要在每次回归期间删除具有NaN值的行（而不是删除具有nan值的任何列的行）。
residuals = {}
for column in returns.columns[:-1]:
selected = returns[['^BSESN', column]].dropna()
reg = sm.OLS(selected[column], returns['^BSESN']).fit()
residuals[column] = reg.residuals
但是我一直收到以下错误：
MissingDataError: exog contains inf or nans
如何清除错误？任何有关最佳方法的指导将不胜感激。
将OLS呼叫更改为
reg = sm.OLS(selected[column], selected['^BSESN']).fit()
看到returns['^BSESN']您的原始帖子中没有丢失任何缺失值。
由于某些列没有与匹配的行^BSESN，因此您可以添加if来忽略这些列：
residuals = {}
for column in returns.columns[:-1]:
selected = returns[['^BSESN', column]].dropna()
if selected.shape[0] > 0:
reg = sm.OLS(selected[column], selected['^BSESN']).fit()
residuals[column] = reg.residuals
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句