存储不同长度回归系数数组到Pandas Series时报错如何解决？

问题原因 #

这个ValueError: setting an array element with a sequence报错的核心原因是：你初始化的tempS默认dtype不是object类型，pandas会尝试将你赋值的不同长度numpy数组做自动广播匹配，长度不匹配时就会触发报错。

解决方案 #

方案1：初始化时指定dtype为object #

直接修改Series初始化代码，明确指定dtype为object，即可支持存储任意长度的数组对象，原有循环赋值逻辑无需改动：

# 修改初始化代码
tempS = pd.Series(index = range(len(temp)), dtype=object)
...... # for loop over i
    model = linear_model.OLS(y, x)
    results = model.fit()
    tempS[i] = results.params.values

方案2：先存列表再转Series（性能更优，适合大样本循环场景） #

逐次给Series赋值的性能较低，你可以先把所有回归结果存到普通Python列表中，循环结束后一次性生成Series，pandas会自动匹配object dtype：

params_list = []
...... # for loop over i
    model = linear_model.OLS(y, x)
    results = model.fit()
    params_list.append(results.params.values)
# 循环结束后生成Series
tempS = pd.Series(params_list, index=range(len(temp)))

补充说明 #

生成的Series每个元素都是对应时间点的回归系数数组，可直接按索引取值调用，例如tempS[5]即可取出第6个时间点的系数数组。

内容的提问来源于stack exchange，提问作者Jasper C.