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。
答案 0 :(得分:3)
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: