当我使用 Pandas statsmodels 时，我得到一个断言错误

Question

我正在尝试普通最小二乘法的示例，代码如下。

import numpy as np

import statsmodels.api as sm

import statsmodels.formula.api as smf

dat = sm.datasets.get_rdataset("Guerry", "HistData").data

results = smf.ols('Lottery ~ Literacy + np.log(Pop1831)', data=dat).fit()

print(results.summary())

但我在下面得到这个错误，示例的来源在网站http://www.statsmodels.org/stable/index.html 我的 statsmodels 版本是 0.9，我只是像第一个朋友所说的那样删除 np，但是我仍然遇到同样的错误，所以它不起作用，这是我所能尝试的，请帮助我.....错误太长，所以我需要把它切成几块

第一部分如下：

AssertionError                            Traceback (most recent call last)

<ipython-input-6-1d91087b5e15> in <module>()

      3 import statsmodels.formula.api as smf

      4 dat = sm.datasets.get_rdataset("Guerry", "HistData").data

----> 5 results = smf.ols('Lottery ~ Literacy + log(Pop1831)', data=dat).fit()

      6 print(results.summary())

~\Anaconda3\lib\site-packages\statsmodels\base\model.py in from_formula(cls, formula, data, subset, drop_cols, *args, **kwargs)

    153 

    154         tmp = handle_formula_data(data, None, formula, depth=eval_env,

--> 155                                   missing=missing)

    156         ((endog, exog), missing_idx, design_info) = tmp

    157 

~\Anaconda3\lib\site-packages\statsmodels\formula\formulatools.py in handle_formula_data(Y, X, formula, depth, missing)

     63         if data_util._is_using_pandas(Y, None):

     64             result = dmatrices(formula, Y, depth, return_type='dataframe',

---> 65                                NA_action=na_action)

     66         else:

     67             result = dmatrices(formula, Y, depth, return_type='dataframe',

第二部分如下：

~\Anaconda3\lib\site-packages\patsy\highlevel.py in dmatrices(formula_like, data, eval_env, NA_action, return_type)

    308     eval_env = EvalEnvironment.capture(eval_env, reference=1)

    309     (lhs, rhs) = _do_highlevel_design(formula_like, data, eval_env,

--> 310                                       NA_action, return_type)

    311     if lhs.shape[1] == 0:

    312         raise PatsyError("model is missing required outcome variables")