Python循环迭代仅添加首个元素求助：批量生成DW值排序数组

• 禁止在循环中覆盖原变量y：你之前循环里执行y = y[i]会把y从多维数组/数据集变成单列的标量/一维对象，后续循环i递增时自然触发索引错误——此时y已经没有对应索引了。
• 每次循环取y的第i列作为临时变量：
  • 若y是numpy二维数组（行=样本、列=变量），用y_col = y[:, i]提取第i列；
  • 若y是Pandas DataFrame（触发KeyError的场景），用y_col = y.iloc[:, i]或y_col = y[y.columns[i]]提取，避免直接整数索引导致的键匹配问题。
• 初始化结果容器并批量存储：
  • 用numpy数组：如果要存10000个DW值，先初始化d_test_hats = np.zeros(10000)，循环中把每列计算出的d赋值给d_test_hats[i]；
  • 用列表：初始化d_test_hats = []，循环中执行d_test_hats.append(d)，最后再转成数组。
• 示例代码框架（numpy场景）：

import numpy as np

# 假设y是shape=(样本数, 10000)的二维数组
d_test_hats = np.zeros(10000)

for i in range(10000):
    y_col = y[:, i]  # 提取第i列，不修改原y
    # 执行你的DW计算逻辑：得到当前列的d值
    # betas = ... 
    # epsilon_hat = ...
    # d = ...
    d_test_hats[i] = d

# 生成排序数组
sorted_d_array = np.sort(d_test_hats)

• 效率优化：如果DW计算逻辑支持向量化，直接对整个y数组批量运算，彻底替代循环，比如：

# 示例向量化DW计算（需根据实际公式调整）
epsilon_hat = y - np.dot(X, betas)  # X为特征矩阵
diff_epsilon = np.diff(epsilon_hat, axis=0)
d_values = np.sum(diff_epsilon**2, axis=0) / np.sum(epsilon_hat**2, axis=0)
sorted_d_array = np.sort(d_values)

内容的提问来源于stack exchange，提问作者Guus Bouwens