问题标签 [patsy]

我正在尝试将 statsmodel 线性回归函数与公式一起使用。我的示例数据来自 Pandas 数据框。我对公式中的列名有一点问题。由于下游流程，我的列名中有连字符。例如：

现在，保留连字符的原因之一是它允许 python 拆分字符串以进行其他分析，所以我必须保留它。如您所见，当我想使用 B-NN 对 VOLT 进行回归时VOLT ~ B-NN，我遇到了一个问题，因为 patsy 公式找不到 B。

有没有办法告诉 Patsy B-NN是变量名而不是 B 减去 NN？

谢谢。

BJR

我知道我能做到

但是我可以创建一个任意函数吗？我试图在 R 中模仿公式语言中相同级别的灵活性，但在 python 中实现似乎并不直接

尝试将函数patsy.dmatrices()与reticulateR 包一起使用时，我遇到了命名空间问题。

这是一个简单的可重现示例：

我收到以下错误：

我认为这与命名空间相关联（参见命名空间问题在函数中调用 patsy 时），这可以通过使用eval_env函数的参数来解决，dmatrices()但我无法弄清楚如何。

当我们想在 R 中使用 Pythonstatsmodels包时，这是非常有问题的，该patsy包使用公式包。

谢谢你的帮助，

在统计方面，我仍然是菜鸟。我正在使用具有 patsy 功能的 Python Package Statsmodel。

我的熊猫数据框如下所示：

因变量：沉降（纵向数据）

自变量：Label（分类）、control_grid（分类）、lvl1（分类）、lvl2（分类）。

我对两件事感兴趣。

哪些自变量对因变量有显着影响？

哪些自变量有显着交互作用？

在搜索并阅读了多个文档后，我这样做：

结果显示：

我是否在 Python 中使用正确的模型来获得我想要的结果？

我想我是，但我想验证一下。我阅读表格的方式是分类变量 lvl1 和 lvl2 对因变量有显着影响并且显示出显着的交互作用（对于某些变量）。但是，我不明白为什么我的所有变量都没有显示...正如您在我的数据中看到的那样，lvl1 列也包含“a”，但此变量未显示在结果摘要中。

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。

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。

Here's my sample program:

You'll notice, if you run this, that model.params is a pandas Series with indices the same as the right-hand side of the formula, except with an additional entry: "Intercept"

And, using some internal functionality I can't determine, the RegressionResults object's .predict() can recognize the column headers from newdf, match them up (including the patsy syntax "I(z**2)"), add the intercept, and return an answer Series. (this is the last line of my sample code)

This seems convenient! Better than writing out my formula again in python/numpy code whenever I want to evaluate slight variations on it. I feel like there should be some way for me to construct a similar pd.Series for formula coefficients, instead of having created it through a model and fit. Then I should be able to apply this to an appropriate dataframe as a way of evaluating functions.

My attempts to figure out how statsmodel is doing this haven't worked, I haven't found anything obvious in the related function doc pages, in patsy, nor can I seem to enter this section of the source code while debugging. Anyone have any idea how to set this up?

在 R 中，可以执行多重线性回归，例如

在 Python 中，可以使用 R 样式公式执行多元线性回归，所以我认为下面的代码应该也能正常工作，

但我得到了错误

我想不可能只回归列中的部分行，因为 data = df 有 62 行，而其他变量有 51 行。

有没有像 R 一样方便的回归方法？

df 类型是 pandas Dataframe，列名是 volume_1，price_1

我在下面有这段代码，假设在给列上创建 2 个数据框。df 的 Region 列有 5 个变量；W、E、N、S 和 C。但是，结果数据框只有 W、E、N、S 和一个截距列。

当我更改为如下所示的最后一行时，它可以正常工作并在数据框上显示 5 个区域值。

有人可以解释一下这是什么原因吗？在第一个代码而不是区域 C 上创建的拦截列是什么？

对于回归，我想从（许多）右侧变量（它们是交互作用）中减去组特定的平均值。

如果没有组特异性，这当然很容易。

我怎么能用组特定的方式做到这一点？问题是右侧包含许多我不能天真地预先创建的交互术语。

所以我想预先做这样的事情：

但这不可行，有什么建议吗？

编辑 或者：有没有办法在 scikit 中按组标准化数据？

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html#sklearn.preprocessing.StandardScaler

使用patsy时，我注意到它在其他情况下有时会命名虚拟变量，有时也可能T不命名。T今天我意识到，T当回归方程中存在常数项时，它是附加的，没有T常数项就不会。例如，比较以下代码中的z[T.1], z[0], z[1], 。OUTPUT

问题

的作用是T什么？它只是表明存在常数项吗？如果是这样，考虑到我们总是可以看到常数项的存在/不存在，这不是多余的吗？还有其他角色吗？

提前感谢您的洞察力。