Question

我想估算一个IV回归模型，该模型使用与年份，人口统计等虚拟对象的许多互动。我无法在熊猫中找到一种明确的方法，如果有人有提示，我很好奇。

我正在考虑尝试scikit-learn和这个功能：

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html

Answer 1

我现在遇到了类似的问题，我需要一种灵活的方式来创建特定的交互并查看StackOverflow。我按照@ user333700上面评论中的提示进行操作，并感谢他找到了 patsy （http://patsy.readthedocs.io/en/latest/overview.html）并在谷歌搜索后进行了这个scikit-learn integration patsylearn （ https://github.com/amueller/patsylearn）。

通过@ motam79的例子，这是可能的：

import numpy as np
import pandas as pd
from patsylearn import PatsyModel, PatsyTransformer
x = np.array([[ 3, 20, 11],
   [ 6,  2,  7],
   [18,  2, 17],
   [11, 12, 19],
   [ 7, 20,  6]])
df = pd.DataFrame(x, columns=["a", "b", "c"])
x_t = PatsyTransformer("a:b + a:c + b:c", return_type="dataframe").fit_transform(df)

返回以下内容：

     a:b    a:c    b:c
0   60.0   33.0  220.0
1   12.0   42.0   14.0
2   36.0  306.0   34.0
3  132.0  209.0  228.0
4  140.0   42.0  120.0

我在这里回答了类似的问题，其中我提供了另一个带有分类变量的例子： How can an interaction design matrix be created from categorical variables?

Answer 2

您可以使用sklearn的PolynomialFeatures功能。这是一个例子：

让我们假设，这是你的设计（即特征）矩阵：

x = array([[ 3, 20, 11],
       [ 6,  2,  7],
       [18,  2, 17],
       [11, 12, 19],
       [ 7, 20,  6]])


x_t = PolynomialFeatures(2, interaction_only=True, include_bias=False).fit_transform(x)

结果如下：

array([[   3.,   20.,   11.,   60.,   33.,  220.],
       [   6.,    2.,    7.,   12.,   42.,   14.],
       [  18.,    2.,   17.,   36.,  306.,   34.],
       [  11.,   12.,   19.,  132.,  209.,  228.],
       [   7.,   20.,    6.,  140.,   42.,  120.]])

前三个功能是原始功能，接下来三个是原始功能的交互。

如何在熊猫中生成许多交互条款？

2 个答案: