Question

考虑以下示例：

import pandas as pd
from pandas import DataFrame
import statsmodels.formula.api as smf
df = DataFrame({'a': [1,2,3], 'b': [2,3,4]})
df2 = DataFrame({'177sdays': [1,2,3], 'b': [2,3,4]})

然后 smf.ols('a ~ b', df) smf.ols('177sdays ~ b', df2)

第一部作品和第二部作品没有。唯一的区别似乎是变量名中存在数字字符。这是为什么？

Answer 1

显然，statsmodels使用名为patsy的库来解释传递给ols的公式。从docs开始，形式为：

y ~ a + a:b + np.log(x)

将构造一个形式为patsy的对象：

ModelDesc([Term([EvalFactor("y")])],
      [Term([]),
       Term([EvalFactor("a")]),
       Term([EvalFactor("a"), EvalFactor("b")]),
       Term([EvalFactor("np.log(x)")])])

EvalFactor然后“执行任意Python代码”。因此，您的变量名必须是有效的Python identifiers。即大写和小写字母A到Z，下划线_和除第一个字符外，数字0到9。

Answer 2

正如@Josef所说，可以使用patsy Q来引用变量：

smf.ols('Q("177sdays") ~ b', df2).fit()

数字作为变量名称无法被statsmodels.formula.api识别

2 个答案: