小编JMH*_*JMH的帖子

完成逻辑回归示例并在接近 statsmodels 部分时遇到一些困难。过去我在 Python 3 和 Pandas 数据帧中遇到困难，其中 df 返回迭代器而不是列表。我已经尝试使用“logit”进行相同的调整，但仍然收到 ValueError

import numpy as np
import pandas as pd
import os
import statsmodels.api as sm
import pylab as pl

df = pd.read_csv('admissions.csv')
df.head(n=5)

df.columns = ['admit', 'gre', 'gpa', 'prestige']
dummy_ranks = pd.get_dummies(df['prestige'], prefix='prestige')
cols_to_keep = ['admit', 'gre', 'gpa']
data = df[cols_to_keep].join(dummy_ranks.ix[:, 'prestige_2':])
data['intercept'] = 1.0
train_cols = data.columns[1:]


logit = sm.Logit(data['admit'], data[train_cols])

result = logit.fit()

ValueError: 在进入 DLASCL 参数 5 时有一个非法值

我希望提取给定指数中约 200 种证券的历史数据。我从 csv 文件导入证券列表，然后迭代它们以从 quandl api 中提取各自的数据。每个证券的数据框有 12 列，因此我使用证券名称和调整后的收盘价创建一个新列，以便稍后识别该系列。

当我尝试将所有新列加入到空数据框中时，我收到错误。我收到属性错误：

'''
Print output data
'''
grab_constituent_data()
AttributeError: 'Series' object has no attribute 'join'

下面是迄今为止我用来到达这里的代码。

'''
Import the modules necessary for analysis
'''

import quandl
import pandas as pd
import numpy as np

'''
Set file pathes and API keys
'''

ticker_path = ''
auth_key = ''

'''
Pull a list of tickers in the IGM ETF
'''

def ticker_list():
    df = pd.read_csv('{}IGM Tickers.csv'.format(ticker_path))
    # print(df['Ticker'])
    return df['Ticker']

'''
Pull …