python - 阻止 patsy dmatrix 删除 NaN 行

Question

我想使用 patsy 的dmatrix函数来生成一个设计矩阵，其中保留了具有 NaN 值的行。例如，下面的代码将返回一个四行的设计矩阵，这是我们通常想要的。但是，在这种情况下，我想dmatrix返回一个包含五行的矩阵，其中第一行将有一个 NaN 值。

import numpy as np
import pandas as pd
from patsy import dmatrix

df = pd.DataFrame({'x1': np.arange(5), 'x2': np.arange(5)})
dmatrix("~x1+x2.diff()", df)

或者，我会选择一个允许我检索已删除/保留的行号的答案。在上面的示例中，第 1 行是被删除的行，而第 2-5 行被保留。

Answer 1

尝试：

dmatrix(..., NA_action=patsy.NAAction(NA_types=[]))

这告诉 patsy 不要将 NaN 视为表示缺失值，因此它将被传递。文档在这里：https ://patsy.readthedocs.io/en/latest/API-reference.html#missing-values

或者，我会选择一个允许我检索已删除/保留的行号的答案。

如果您使用return_type="dataframe"，则 patsy 将返回一个包含您的设计矩阵的 pandas DataFrame，该 DataFrame 上的索引将对应于您原始输入中的行，因此您可以查看保留或删除了哪些行。