(Python) module 'pandas' has no attribute 'ols' 일 때 같은 형식으로 데이터 추출법

Python for Data Analysis (2018 웨스 맥키니) 책 중 일부 

11.2.1 그룹 요인 밝히기¶

In [1]:

from sklearn.linear_model import LinearRegression

In [2]:

from numpy.random import rand
fac1, fac2, fac3 = np.random.rand(3, 1000)

ticker_subset = tickers.take(np.random.permutation(N)[:1000])

# 임의의 값을 추가한 요인들의 가중합
port = Series(0.7 * fac1 - 1.2 * fac2 + 0.3 * fac3 + rand(1000),
              index=ticker_subset)
factors = DataFrame({'f1': fac1, 'f2': fac2, 'f3': fac3},
                    index=ticker_subset)

In [3]:

port

Out[3]:

FZFPV    1.027262
DTPES    0.345704
UJKFH    0.284356
YKCGU    0.025836
XAYZH    0.413685
           ...   
XZHYB    1.084148
VESRG    0.800119
ARPWX    0.389465
PMUCA    0.755363
YPVZL    0.628406
Length: 1000, dtype: float64

In [4]:

factors

Out[4]:

	f1	f2	f3
FZFPV	0.265639	0.075042	0.623549
DTPES	0.928075	0.606129	0.121780
UJKFH	0.723554	0.672966	0.175533
YKCGU	0.397491	0.492140	0.487649
XAYZH	0.167037	0.052508	0.824024
...	...	...	...
XZHYB	0.994148	0.096528	0.282916
VESRG	0.906529	0.261134	0.174794
ARPWX	0.656523	0.952333	0.377645
PMUCA	0.775668	0.593376	0.720276
YPVZL	0.493149	0.230171	0.262245

1000 rows × 3 columns

In [5]:

#여기까지 이런 식의 데이터를 사용 할 것이고, 이 데이터를 가지고 회귀 분석을 할 겁니다.
#이 책에서는 아래와 같이 코드를 치면 그 밑의 결과처럼 나옵니다.

pd.ols(y=port, x=factors).beta

Out[5]:

f1           0.761789
f2          -1.208760
f3           0.289865
intercept    0.484477
dtype: float64

In [6]:

#그러나 최소자승회귀분석(일반적인 선형회귀분석)은 pandas에서 없어졌으므로
# module 'pandas' has no attribute 'ols'와 같은 오류가 뜹니다. 
#이것을 sklearn을 이용해서 구하겠습니다.

#먼저 이런식으로 구하면 상당히 많은 자릿수 까지 구하기 때문에 반올림을 해주고 리스트 형식으로 만들어주겠습니다.
#sklearn에서는 계수와 상수를 같이 구하는 것이 없어서 따로 구하겠습니다.
#아래는 계수를 구하는 것입니다.
factors_array = list(np.round(LinearRegression().fit(factors, port).coef_,6))
factors_array

Out[6]:

[0.761789, -1.20876, 0.289865]

In [7]:

#아래는 상수 즉 B0를 구하는 것이고, 이 또한 반올림을 해주겠습니다.
intercept = LinearRegression().fit(factors, port).intercept_

intercept = round(intercept,6)
intercept

Out[7]:

0.484477

In [8]:

#리스트 객체에 원소를 추가합니다.

factors_array.append(intercept)

In [9]:

#그리고 데이터들을 모아 시리즈 형식으로 만들어주면 책과 같은 모양의 데이터들을 만들 수가 있습니다.

index = ['f1','f2','f3','intercept']
lm = Series(factors_array, index = index)
lm

Out[9]:

f1           0.761789
f2          -1.208760
f3           0.289865
intercept    0.484477
dtype: float64

파이썬의 스크립트형식인 주피터노트북을 가독성 좋게 올리고 싶지만... 주피터노트북에서 그대로 가져와서 사용하는 거라 가독성을 높이기가 쉽지 않네요 ㅠㅠ 무튼 pd.ols는 현재 사라졌기 때문에 위와 같이 코드를 사용하면 같은 데이터를 추출해 낼 수가 있습니다.