Question

我在使用statsmodels.formula.api函数时遇到了很多困难

       ols(formula,data).fit().rsquared_adj

由于我的预测者名字的性质。预测者有数字和空格等，显然不喜欢。我知道我需要使用像patsy.builtins.Q这样的东西所以假设我的预测器是weight.in.kg，它应该按如下方式输入：

Q("weight.in.kg")

因此我需要从列表中获取我的公式，并且使用此patsy.builtin.Q修改列表中的每个项目时出现困难

formula = "{} ~ {} + 1".format(response, ' + '.join([candidate])

[候选人]是我的预测人员名单。

我的问题，最亲爱的python专家，我是如何在列表[候选者]中将每个单独的项目放在以下表达式的引号中：

Q（''）

这样ols功能实际上可以读取它吗？抱歉，如果这是非常明显的，我不擅长python。

Answer 1

现在你开始在你的公式中找到你想要的术语列表，然后尝试将它们粘贴到一个复杂的字符串中，patsy将解析并转换回术语列表。您可以看到patsy为这种公式生成的数据结构（ModelDesc.from_formula是patsy的解析器）：

In [7]: from patsy import ModelDesc

In [8]: ModelDesc.from_formula("y ~ x1 + x2 + x3")
Out[8]: 
ModelDesc(lhs_termlist=[Term([EvalFactor('y')])],
          rhs_termlist=[Term([]),
                        Term([EvalFactor('x1')]),
                        Term([EvalFactor('x2')]),
                        Term([EvalFactor('x3')])])

这可能看起来有点令人生畏，但实际上非常简单 - 你有一个ModelDesc，代表一个公式，它有一个左侧的术语列表和一个右手 - 附表条款清单。每个术语由Term个对象表示，每个Term都有一个因子列表。（这里每个术语只有一个因素 - 如果你有任何交互，那么这些术语会有多个因素。）另外，“空交互”Term([])是patsy代表拦截术语的方式。

所以你可以通过直接创建你想要的术语并将它们传递给patsy来避免所有这些复杂的引用/解析，跳过字符串解析步骤

from patsy import ModelDesc, Term, LookupFactor

response_terms = [Term([LookupFactor(response)])]
# start with intercept...
model_terms = [Term([])]
# ...then add another term for each candidate
model_terms += [Term([LookupFactor(c)]) for c in candidates]
model_desc = ModelDesc(response_terms, model_terms)

现在你可以将model_desc对象传递给你通常传递patsy公式的任何函数：

ols(model_desc, data).fit().rsquared_adj

这里有另一个技巧：你会注意到第一个例子有EvalFactor个对象，现在我们正在使用LookupFactor个对象。不同之处在于EvalFactor需要一串任意Python代码，如果你想写np.log(x1)之类的东西，这很好，但是如果你有像weight.in.kg这样的变量，真的很烦人。 LookupFactor直接使用变量名称查找数据，因此无需进一步引用。

或者，您可以使用一些更高级的Python字符串处理来完成此操作，例如：

quoted = ["Q('{}')".format(c) for c in candidates]
formula = "{} ~ {} + 1".format(response, ' + '.join(quoted))

虽然开始时这有点简单，但它更脆弱 - 例如，考虑（或尝试）如果您的某个参数包含引号字符会发生什么！你应该永远在处理管道中写这样的东西，其中候选名称来自你无法控制的其他地方（例如随机的CSV文件） - 你可以获得各种任意代码执行。上述解决方案避免了所有这些问题。

参考：

使用包含数字/空格的参数的ols函数

1 个答案: