这是在没有拦截的情况下构建两级分类变量的设计矩阵时patsy的预期行为吗？

Question

（patsy v0.4.1，python 3.5.0）

我想使用patsy（理想情况下通过statsmodels）来构建回归设计矩阵。

我想要的patsy式公式是

response ~ 0 + category

其中category是两级分类变量。 0 + ...应该表示我不想要隐式拦截术语。

我期望的设计矩阵有一个零的列，一个列表示category是基数级别（0）还是另一个级别（1）。

以下代码：

import pandas as pd
import patsy

df = pd.DataFrame({'category': ['A', 'B'] * 3})

patsy.dmatrix('0 + category', data=df)

输出：

DesignMatrix with shape (6, 2)
  category[A]  category[B]
            1            0
            0            1
            1            0
            0            1
            1            0
            0            1
  Terms:
    'category' (columns 0:2)

这是单数而不是我想要的。

当我改为运行时

import pandas as pd
import patsy

df = pd.DataFrame({'category': ['A', 'B'] * 3})

patsy.dmatrix('category', data=df)

输出

DesignMatrix with shape (6, 2)
  Intercept  category[T.B]
          1              0
          1              1
          1              0
          1              1
          1              0
          1              1
  Terms:
    'Intercept' (column 0)
    'category' (column 1)

对于包含拦截的模型是正确的，但仍然不是我想要的。

输出是否没有拦截预期的行为？如果是这样，为什么？ 我只是对这个设计矩阵如何与标准编码一起工作感到困惑？

我知道我可以编辑设计矩阵，使我的回归按照我想要的方式工作，但如果这是一个错误，我希望将其修复为patsy。