5

我在使用 statsmodels.formula.api 函数时遇到了很多困难

       ols(formula,data).fit().rsquared_adj

由于我的预测器名称的性质。预测变量中有明显不喜欢的数字和空格等。我知道我需要使用类似 patsy.builtins.Q 的东西所以假设我的预测器是 weight.in.kg ，它应该输入如下：

Q("weight.in.kg")

所以我需要从列表中获取我的公式，并且使用这个 patsy.builtin.Q 修改列表中的每个项目都会出现困难

formula = "{} ~ {} + 1".format(response, ' + '.join([candidate])

[候选人] 是我的预测变量列表。

最亲爱的 python 专家，我的问题是，我到底如何将列表 [candidate] 中的每个项目放在以下表达式的引号内：

问（''）

这样 ols 函数才能真正读取它？抱歉，如果这非常明显，我不擅长 python。

4

1 回答 1

4

现在，您从公式中需要的术语列表开始，然后尝试将它们粘贴到一个复杂的字符串中，patsy 将解析并转换回术语列表。您可以看到 patsy 为这种公式生成的数据结构（ModelDesc.from_formula是 patsy 的解析器）：

In [7]: from patsy import ModelDesc

In [8]: ModelDesc.from_formula("y ~ x1 + x2 + x3")
Out[8]: 
ModelDesc(lhs_termlist=[Term([EvalFactor('y')])],
          rhs_termlist=[Term([]),
                        Term([EvalFactor('x1')]),
                        Term([EvalFactor('x2')]),
                        Term([EvalFactor('x3')])])

这可能看起来有点吓人，但实际上非常简单——你有一个ModelDesc，它代表一个公式，它有一个左侧的术语列表和一个右侧的术语列表。每个术语都由一个Term对象表示，并且每个术语Term都有一个因素列表。（这里每个术语只有一个因素——如果你有任何交互，那么这些术语将有多个因素。）此外，“空交互”Term([])是 patsy 表示截距项的方式。

因此，您可以通过直接创建您想要的术语并将它们传递给 patsy 来避免所有这些复杂的引用/解析内容，跳过字符串解析步骤

from patsy import ModelDesc, Term, LookupFactor

response_terms = [Term([LookupFactor(response)])]
# start with intercept...
model_terms = [Term([])]
# ...then add another term for each candidate
model_terms += [Term([LookupFactor(c)]) for c in candidates]
model_desc = ModelDesc(response_terms, model_terms)

现在您可以将该model_desc对象传递给通常会传递 patsy 公式的任何函数：

ols(model_desc, data).fit().rsquared_adj

这里还有一个技巧：你会注意到第一个例子有EvalFactor对象，现在我们使用了LookupFactor对象。不同之处在于它EvalFactor需要一串任意 Python 代码，如果你想写np.log(x1)类似weight.in.kg. LookupFactor直接获取变量的名称以在您的数据中查找，因此无需进一步引用。

或者，您可以使用一些更高级的 Python 字符串处理来做到这一点，例如：

quoted = ["Q('{}')".format(c) for c in candidates]
formula = "{} ~ {} + 1".format(response, ' + '.join(quoted))

但是，虽然这开始有点简单，但它更脆弱 - 例如，考虑（或尝试）如果您的参数之一包含引号字符会发生什么！您永远不应该在候选名称来自您无法控制的其他地方（例如随机 CSV 文件）的处理管道中编写这样的东西——您可能会执行各种任意代码。上述解决方案避免了所有这些问题。

参考：

于 2016-07-03T06:04:56.337 回答