使用＆＃39; statsmodels＆＃39;指定要将哪个类别视为基础？

Question

理解当我在传递给statsmodels fit的模型中有一个类别变量时，将自动为类别生成虚拟变量。例如，如果我有一个变量'Location'，其值为'IndianOcean'，'Thailand'，'China'和'Mars'，我将在我的模型中获得变量

Location[T.Thailand]

其中一个值未表示。默认情况下，排除变量似乎是最不常见的变量。有没有办法指定 - 理想情况下在模型规范中 - 哪个值被视为“基值”并被排除？

Answer 1

您可以将reference arg传递给治疗对比。

http://patsy.readthedocs.org/en/latest/API-reference.html#patsy.Treatment

如果您对命名约定有更好的建议，请向patsy提出问题。

Answer 2

好的，也许有人会发现这个有用。我需要为因变量设置一个新的基线类别，我不知道该怎么做。我搜索并没有发现任何东西，所以我只是为其他类别添加了一个“_”。如果您有 3 个类别 A、B、C，并且您希望基线为 C，则只需将标签从 A 和 B 更改为 _A 和 _B。有用。我似乎基线类别是由 sorted()

定义的

也许有人知道这样做的正确方法，这不是很植物性，ja。

Answer 3

如果使用单引号将字符串引起来，则引用的参数需要用双引号引起来。很容易犯的错误。我两个都用单引号。

例如：

'y ~ C(Location, Treatment(reference="China"))'

是正确的。

'y ~ C(Location, Treatment(reference='China'))'

不正确。