为什么Statsmodels OLS不支持读取包含多个单词的列？

Question

我一直在尝试使用Seaborn的lmplot（）和Statsmodels .ols（）函数来获得简单的线性回归图及其相关的p值，r平方等。

我注意到，当我指定要用于lmplot的列时，即使它具有多个单词，我也可以指定一列：

import seaborn as sns
import pandas as pd
input_csv = pd.read_csv('./test.csv',index_col = 0,header = 0)
input_csv

sns.lmplot(x='Age',y='Count of Specific Strands',data = input_csv)
<seaborn.axisgrid.FacetGrid at 0x2800985b710>

但是，如果我尝试使用ols，则在输入“特定链数”作为我的因变量时遇到错误（我只列出了错误的最后几行）：

import statsmodels.formula.api as smf
test_results = smf.ols('Count of Specific Strands ~ Age',data = input_csv).fit()

File "<unknown>", line 1
    Count of Specific Strands
           ^
SyntaxError: invalid syntax

相反，如果我如下所示指定“特定链数”，则回归有效：

test_results = smf.ols('input_csv.iloc[:,1] ~ Age',data = input_csv).fit()
test_results.summary()

有人知道这是为什么吗？仅仅是因为Statsmodels是如何编写的？是否有其他方法可以指定不涉及iloc或loc的因变量进行回归分析？

Answer 1

这是由于公式解析器patsy的编写方式所致：请参见this link for more information

patsy的作者已经想到了这个问题：（引自here）

  

不过，这种灵活性确实会在某些情况下造成问题-因为我们   将您在+号之间编写的内容解释为Python代码，   实际上，您确实必须编写有效的Python代码。这可能很棘手   如果您的变量名中包含有趣的字符，例如空格   或标点符号。幸运的是，patsy具有内置的“转换”功能   称为Q()，可让您“引用”此类变量

因此，就您而言，您应该能够写：

smf.ols('Q("Count of Specific Strands") ~ Age',data = input_csv).fit()