我正在使用pandas 0.11.0（数据处理）和statsmodels 0.4.3进行逻辑回归，以便在Mac OSX Lion上进行实际回归。
我将运行~2,900种不同的逻辑回归模型，需要将结果输出到csv文件并以特定方式格式化。
目前，我只知道做print result.summary()将结果（如下所示）打印到shell：
Logit Regression Results
==============================================================================
Dep. Variable: death_death No. Observations: 9752
Model: Logit Df Residuals: 9747
Method: MLE Df Model: 4
Date: Wed, 22 May 2013 Pseudo R-squ.: -0.02672
Time: 22:15:05 Log-Likelihood: -5806.9
converged: True LL-Null: -5655.8
LLR p-value: 1.000
===============================================================================
coef std err z P>|z| [95.0% Conf. Int.]
-------------------------------------------------------------------------------
age_age5064 -0.1999 0.055 -3.619 0.000 -0.308 -0.092
age_age6574 -0.2553 0.053 -4.847 0.000 -0.359 -0.152
sex_female -0.2515 0.044 -5.765 0.000 -0.337 -0.166
stage_early -0.1838 0.041 -4.528 0.000 -0.263 -0.104
access -0.0102 0.001 -16.381 0.000 -0.011 -0.009
===============================================================================
我还需要比值比，由print np.exp(result.params)计算，然后打印在shell中：
age_age5064 0.818842
age_age6574 0.774648
sex_female 0.777667
stage_early 0.832098
access 0.989859
dtype: float64
我需要的是将这些文件以非常类似的形式写入csv文件中（我不确定，此时，我是否需要Log-Likelihood之类的内容，但包含它为了彻底起见）：
`Log-Likelihood, age_age5064_coef, age_age5064_std_err, age_age5064_z, age_age5064_p>|z|,...age_age6574_coef, age_age6574_std_err, ......access_coef, access_std_err, ....age_age5064_odds_ratio, age_age6574_odds_ratio, ...sex_female_odds_ratio,.....access_odds_ratio`
我认为你得到的图片 - 一个非常长的行，包含所有这些实际值，以及一个包含所有列名称的标题。
我熟悉Python中的csv module，并且越来越熟悉pandas。不确定此信息是否可以格式化并存储在pandas dataframe中，然后在完成所有~2,900个逻辑回归模型后使用to_csv写入文件;那肯定会好的。此外，在每个模型完成后编写它们也很好（使用csv module）。
更新：
所以，我更多地关注statsmodels网站，特别是试图弄清楚模型的结果是如何存储在类中的。看起来有一个名为'Results'的类，需要使用它。我认为使用这个类的继承来创建另一个类，其中一些方法/运算符被改变可能是要走的路，以获得我需要的格式。我在这方面的经验很少，并且需要花费相当多的时间来解决这个问题（这很好）。如果有人可以帮助/有更多的经验，那将是非常棒的！
以下是布置课程的网站：statsmodels results class
答案 0 :(得分：8)
目前没有预制的参数表及其结果统计数据。
基本上你需要自己堆叠所有结果，无论是在列表中，numpy数组还是pandas DataFrame都取决于什么对你更方便。
例如，如果我想要一个具有模型结果的numpy数组，llf并在summary参数表中生成结果，那么我可以使用
res_all = []
for res in results:
low, upp = res.confint().T # unpack columns
res_all.append(numpy.concatenate(([res.llf], res.params, res.tvalues, res.pvalues,
low, upp)))
但是，与大熊猫对齐可能会更好，具体取决于您在模型中的结构。
您可以编写一个辅助函数，该函数从结果实例中获取所有结果并将它们连接起来。
（我不确定按行写csv最方便的是什么）
编辑：
以下是将回归结果存储在数据框
中的示例https://github.com/statsmodels/statsmodels/blob/master/statsmodels/sandbox/multilinear.py#L21
循环在第159行。
summary（）和statsmodels之外的类似代码，例如用于组合多个结果的http://johnbeieler.org/py_apsrtable/，面向打印而不是存储变量。
答案 1 :(得分：2)
如果你想找到系数结果.params会给你系数。如果要查找pvalues，请使用results.pvalues。无论如何，你可以使用dir（结果）来找出对象的所有属性。
答案 2 :(得分：2)
我发现这个配方更直接一点。您可以按照示例中的语法添加/减去列（pvals，coeff，conf_lower，conf_higher）。
import pandas as pd #This can be left out if already present...
def results_summary_to_dataframe(results):
'''This takes the result of an statsmodel results table and transforms it into a dataframe'''
pvals = results.pvalues
coeff = results.params
conf_lower = results.conf_int()[0]
conf_higher = results.conf_int()[1]
results_df = pd.DataFrame({"pvals":pvals,
"coeff":coeff,
"conf_lower":conf_lower,
"conf_higher":conf_higher
})
#Reordering...
results_df = results_df[["coeff","pvals","conf_lower","conf_higher"]]
return results_df
答案 3 :(得分：1)
write_path = '/my/path/here/output.csv'
with open(write_path, 'w') as f:
f.write(result.summary().as_csv())
答案 4 :(得分：0)
文档here中实际上记录了一个内置方法：
f = open('csvfile.csv','w')
f.write(result.summary().as_csv())
f.close()
我相信这是一种将摘要输出到csv文件的简便（简洁）方式。