Python中对DataFrame所有列组合应用线性回归的更优实现方法

你当前的代码确实能实现需求，但用exec动态创建变量的方式不仅可读性差，后续维护和查找结果也很麻烦，而且还存在潜在的安全风险。这里有几种更优雅、简便的实现思路，推荐给你：

推荐实现方式：用字典存储回归结果 #

我们可以用字典来存储每个回归的结果，键直接用列名的组合（比如('A','B')），这样后续查找和调用结果会非常直观，完全不需要依赖索引去对应模型。同时用itertools.combinations来生成所有两两列的组合，比np.tril_indices更易懂。

完整代码示例 #

import statsmodels.api as sm
import numpy as np
import pandas as pd
from itertools import combinations

# 生成示例DataFrame，设置随机种子保证结果可复现
np.random.seed(42)
df = pd.DataFrame(abs(np.random.randn(50, 4)*10), columns=list('ABCD'))

# 存储所有回归结果的字典
regression_results = {}

# 遍历所有两两列的组合（前一个是因变量，后一个是自变量）
for y_col, x_col in combinations(df.columns, 2):
    # 准备自变量（记得添加常数项）和因变量
    X = sm.add_constant(df[x_col])
    y = df[y_col]
    
    # 拟合模型并把结果存入字典
    model = sm.OLS(y, X).fit()
    regression_results[(y_col, x_col)] = model

# 查看某一组的回归结果，比如B对A的回归
print(regression_results[('B', 'A')].summary())

为什么这个方法更好？ #

• 可读性强：用列名组合作为字典键，一眼就能知道对应的是哪两个列的回归，不用再去对应索引idx
• 易于维护：后续要修改或扩展逻辑时，直接操作字典即可，不会出现动态变量混乱的问题
• 避免安全风险：exec会执行任意字符串代码，若后续代码中引入外部输入，可能引发安全问题，而字典存储完全没有这个顾虑
• 结果易复用：可以轻松遍历字典中的所有结果，比如批量提取关键统计量：

# 批量提取所有回归的R²值
r_squared = {pair: round(res.rsquared, 3) for pair, res in regression_results.items()}
print("所有回归的R²值：", r_squared)

补充说明 #

如果你坚持想用索引来生成组合（和原代码逻辑对齐），也可以把索引转换成列名后再处理，比如：

i, j = np.tril_indices(df.shape[1], -1)
for x_idx, y_idx in zip(i, j):
    x_col = df.columns[x_idx]
    y_col = df.columns[y_idx]
    # 后续回归逻辑和上面一致，结果存储到字典即可

内容的提问来源于stack exchange，提问作者RiskTech