问题标签 [patsy]

我有一个这样的数据框：

我想为 Industry X years_spend 创建虚拟变量，该变量创建变量len(df.Industry.value_counts()) * len(df.years_spend.value_counts())，例如 d_11_4 = 1 用于具有行业 ==1 和年花费 =4 的所有行，否则为 d_11_4 = 0。然后我可以将这些变量用于一些回归工作。

我知道我可以使用 df.groupby(['Industry','years_spend']) 制作我想要的组，并且我知道我可以使用以下patsy语法为一列创建这样的变量statsmodels：

但如果我想处理 2 列，我会收到一个错误： IndexError: tuple index out of range

如何使用 pandas 或使用 statsmodels 中的某些功能来做到这一点？

我得到了一个没有响应变量的测试集。我已经建立了模型，需要预测测试集中的响应变量。

我在格式化测试设计矩阵以使其兼容时遇到问题。

我正在使用 patsy 库来构造矩阵。

我想做这样的事情，除了下面的代码不起作用：

什么是正确的方法？谢谢

假设我有一个 RxC列联表。这意味着有 R 行和 C 列。我想要一个维度为 RC × (R + C - 2) 的矩阵 X，它包含行的 R - 1“主效应”和列的 C - 1“主效应”。例如，如果你有R=C=2 (R = [0, 1], C = [0, 1]) 和主效应，有多种方法可以参数化设计矩阵 (X)，但以下是一种方法：

请注意，这是 4 x 2 = RC x (R + C - 2)，您省略了每一行的一层和每一列的一层。

对于 R 和 C 的任何值，我如何在 Python 中执行此操作，即 R = 3，C = 4（[0 1 2] 和 [0 1 2 3]）？我只有 R 和 C 的值，但我可以使用它们来使用np.arange(R)and构造数组np.arange(C)。

对于回归，我通常使用 sklearn 对分类变量进行编码OneHotEncoder。

我现在正在探索使用 patsy，但它似乎不提供 One-hot 编码： http: //patsy.readthedocs.io/en/latest/categorical-coding.html

是否可以使用 patsy 指定 One-hot 编码？

我正在使用 patsy 为回归准备分类数据，并希望将列名映射到DesignMatrix. 我曾尝试使用对象的column_name_indexes属性，DesignInfo但列名已被修改以反映编码。

使用文档中的数据的示例：

我希望能够'a2'通过调用来访问例如的列索引：

但当然会返回KeyError: 'a2'。因此，我必须自己构造修改后的键才能获得所需的列索引1：

有没有办法通过引用未修改的特征/列名来访问列索引，即'a2'不必构造修改后的键，即'a[T.a2]'？

我正在使用 patsy 使用公式 api 将回归与 statsmodels 拟合。

我的问题是我的设计矩阵是奇异的，因为 patsy 创建（本地？）分类的冗余交互。

我想排除第二列，因为当c1有值b时c2没有值f

代码如下所示：

但它总是给我一个错误：

文件中的数据都是不同的数字。有些有 2 个小数，有些有更多。有什么想法可以解决这个问题并获得回归摘要吗？（由lm.summary()）

先感谢您！

我想将一些数据拟合到曲线上，将其用作成本函数：

它在使用 scipy.optimize 时有效，但我想改用 statsmodels。但是我正在努力定义一个 statsmodels 公式。你有什么想法如何做到这一点？

我试过这样的东西，但它不适用于这个 x*A + (1-x)*B：

Pasty 很好地集成在 Statsmodels 中，允许基于 string 编写 R 风格的公式。

这将显示我的回归摘要，但参数的顺序似乎不遵循任何规则，例如：

因此，搜索我要查找的参数非常麻烦。

有没有办法强制摘要输出以与推算字符串相同的顺序显示？

我正在尝试使用 Numpy 的普通最小二乘 (OLS)函数复制 Statsmodels 的权重最小二乘 (WLS)函数的功能（即 Numpy 将 OLS 称为“最小二乘”）。

换句话说，我想在 Numpy 中计算 WLS。我使用这个 Stackoverflow 帖子作为参考，但是从 Statsmodel 到 Numpy 会出现截然不同的 R² 值。

采用以下复制此示例代码：

运行此类代码后，我得到以下结果：

显然这里有问题！谁能在这里指出我的缺点？我错过了理解 patsy 公式吗？