折叠Multiindex DataFrame以进行回归

Question

我有一个包含解释变量df的Multiindexed DataFrame和一个包含响应变量的DataFramedf_Y

# Create DataFrame for explanatory variables
np.arrays = [['foo', 'foo', 'foo', 'bar', 'bar', 'bar'], 
             [1, 2, 3, 1, 2, 3]]
df = pd.DataFrame(np.random.randn(6,2),
                  index=pd.MultiIndex.from_tuples(zip(*np.arrays)),
                  columns=['X1', 'X2'])

# Create DataFrame for response variables
df_Y = pd.DataFrame([1, 2, 3], columns=['Y'])

我只能在带索引的单级DataFrame上执行回归 foo

df_X = df.ix['foo']    # using only 'foo'
reg = linear_model.Ridge().fit(df_X, df_Y)
reg.coef_

问题:然而,由于Y变量是两个层次相同的foo和bar,所以我们可以有两倍的回归样品,如果我们也有bar.

重塑/折叠/取消堆叠多级DataFrame的最佳方法是什么,以便我们可以利用所有数据进行回归？其他级别的行可能较少df_Y

对于令人困惑的措辞感到抱歉,我不确定正确的术语/措辞

Answer 1

可以删除第一个索引，然后连接将起作用：

df.index = df.index.drop_level()
df = df.join(df_Y)