3

我正在运行逻辑回归，并且在使用 Patsy 的 API 来准备大于小样本的数据时遇到问题。

dmatrices直接在 DataFrame 上使用该函数，我会遇到这个突然的错误（请注意，在我的笔记本电脑上遇到这个问题后，我启动了一个具有 300GB RAM 的 EC2，并得到了同样的错误）：

Traceback (most recent call last):
File "My_File.py", line 22, in <module>
   df, return_type="dataframe")
File "/root/anaconda/lib/python2.7/site-packages/patsy/highlevel.py", line 297, in dmatrices
 NA_action, return_type)
File "/root/anaconda/lib/python2.7/site-packages/patsy/highlevel.py", line 156, in do_highlevel_design
return_type=return_type)
File "/root/anaconda/lib/python2.7/site-packages/patsy/build.py", line 989, in build_design_matrices
results.append(builder._build(evaluator_to_values, dtype))
File "/root/anaconda/lib/python2.7/site-packages/patsy/build.py", line 821, in _build
m = DesignMatrix(np.empty((num_rows, self.total_columns), dtype=dtype),
MemoryError

所以，我梳理了Patsy 的文档，发现了这个宝石：

patsy.incr_dbuilder(formula_like, data_iter_maker, eval_env=0)
    Construct a design matrix builder incrementally from a large data set.

但是，该方法的文档很少，源代码也基本上没有注释。

我已经到了这个代码：

def iter_maker():
    with open("test.tsv", "r") as f:
        reader = csv.DictReader(f, delimiter="\t")
        for row in reader:
            yield(row)


y, dta = incr_dbuilders("s ~ C(x) + C(y):C(rgh) + \
C(z):C(f) + C(r):C(p) + C(q):C(w) + \
C(zr):C(rt) + C(ff):C(djjj) + C(hh):C(tt) + \
C(bb):lat + C(jj):lng + C(ee):C(bb) + C(qq):C(uu)",
        iter_maker)

df = dmatrix(dta, {}, 0, "drop", return_type="dataframe")

但我收到PatsyError: Error evaluating factor: NameError: name 'ff' is not defined

这是被抛出的，因为 _try_incr_builders（从 dmatrix 调用）在 highlevel.py的第 151 行返回 None

使用这些 Patsy 函数准备数据的正确方法是什么？您可能拥有的任何示例或指导都会有所帮助。

4

1 回答 1

1

y并且dta是DesignInfo对象——它们对获取一行数据帧并将其转换为一行设计矩阵所需的所有信息进行编码。但是，它们并没有你的实际数据——要获得你的设计矩阵，你必须给他们你的数据。要使用它们，您需要执行类似的操作

for data_chunk in iter_maker():
  y_chunk, design_chunk = dmatrices((y, dta), data_chunk,
                                    NA_action="drop", return_type="dataframe")
  # do something with y_chunk and design_chunk
  # ...
于 2015-08-16T06:06:19.383 回答