Question

我正在尝试将来自statsmodels GLM的结果数据框连接到旨在在迭代模型时同时保存单变量数据和模型结果的数据框。我在弄清楚如何在语法上将两个数据集结合时遇到了麻烦。

我已经查阅了下面列出的熊猫文档，但是没有运气：

https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html#database-style-dataframe-or-named-series-joining-merging

这是困难的，因为与最终表相比，模型的输出更高，后者包含每个唯一变量的每个唯一级别的值。

使用以下代码查看数据的示例：

import pandas as pd

df = {'variable': ['CLded_model','CLded_model','CLded_model','CLded_model','CLded_model','CLded_model','CLded_model'
                  ,'channel_model','channel_model','channel_model']
      , 'level': [0,100,200,250,500,750,1000, 'DIR', 'EA', 'IA']
      ,'value': [460955.7793,955735.0532,586308.4028,12216916.67,48401773.87,1477842.472,14587994.92,10493740.36
               ,36388470.44,31805316.37]}

final_table = pd.DataFrame(df)


df2 = {'variable': ['intercept','C(channel_model)[T.EA]','C(channel_model)[T.IA]', 'CLded_model']
       , 'coefficient': [-2.36E-14,-0.091195797,-0.244225888, 0.00174356]}

model_results = pd.DataFrame(df2)

运行此命令后，您可以看到对于分类变量，与final_table相比，该值在几层中进行了封装。诸如CLded_model之类的数值需要与与其关联的一个系数结合在一起。

这有很多，我不确定从哪里开始。

更新：以下代码可产生所需的结果：

d3 = {'variable': ['intercept', 'CLded_model','CLded_model','CLded_model','CLded_model','CLded_model','CLded_model'
                   ,'CLded_model','channel_model','channel_model','channel_model']
      , 'level': [None, 0,100,200,250,500,750,1000, 'DIR', 'EA', 'IA']
      ,'value': [None, 60955.7793,955735.0532,586308.4028,12216916.67,48401773.87,1477842.472,14587994.92,10493740.36
               ,36388470.44,31805316.37]
      , 'coefficient': [ -2.36E-14, 0.00174356,  0.00174356,  0.00174356,  0.00174356,  0.00174356 ,0.00174356
                        , 0.00174356,None, -0.091195797,-0.244225888, ]}

desired_result = pd.DataFrame(d3)

Answer 1

首先，您必须清理df2：

df2['variable'] = df2['variable'].str.replace("C\(","")\
                                 .str.replace("\)\[T.", "-")\
                                 .str.strip("\]")

df2


       variable          coefficient
0   intercept           -2.360000e-14
1   channel_model-EA    -9.119580e-02
2   channel_model-IA    -2.442259e-01
3   CLded_model          1.743560e-03

由于要合并级别列上的某些df1，而其他则不希望合并，因此我们需要稍微更改df1以匹配df2：

df1.loc[df1['variable'] == 'channel_model', 'variable'] = "channel_model-"+df1.loc[df1['variable'] == 'channel_model', 'level']

df1

#snippet of what changed
      variable         level     value
6   CLded_model        1000   1.458799e+07
7   channel_model-DIR   DIR   1.049374e+07
8   channel_model-EA    EA    3.638847e+07
9   channel_model-IA    IA    3.180532e+07

然后我们将它们合并：

df4 = df1.merge(df2, how = 'outer', left_on =['variable'], right_on = ['variable'])

我们会得到您的结果（变量名中的微小变化除外）

加入复杂的熊猫桌

1 个答案: