使用 statsmodels 进行回归时出现 PatsyError

Question

我正在使用olsinstatsmodels来运行回归。一旦我对数据帧的每一行运行回归，我想从patsy这些回归中使用的变量中检索 X 变量。但是，我收到一个我似乎无法理解的错误。

编辑：我正在尝试运行此处答案中所示的回归，但希望在数据帧的分组版本的每一行上运行回归df，其中它按Date, bal, dist, pay_hist, inc,分组bckts。因此，我首先如上所述对这些数据进行分组，然后尝试对按以下df分组的每一行运行回归Date：df.groupby(['Date']).apply(ols_coef,'bal ~ C(dist)  + C(pay_hist) + C(inc) + C(bckts)')

我的代码如下：

from statsmodels.formula.api import ols

df = df.groupby([['Date','bal', 'dist', 'pay_hist', 'inc', 'bckts']])

######run regression

def ols_coef(x,formula):

    return ols(formula,data=x).fit().params

gamma = df.groupby(['Date']).apply(ols_coef,'bal ~ C(dist)  + C(pay_hist) + C(inc) + C(bckts)')

print('gamme is {}'.format(gamma))

########################

#####Now trying to retrieve the X variables in the regressions above

formula = 'bal ~ C(dist)  + C(pay_hist) + C(inc) + C(bckts)'

data = df.groupby(['Date'])[['bckts', 'wac_dist', 'pay_hist', 'inc', 'bal']]

y,X = patsy.dmatrices(formula,data,return_type='dataframe')

################

我收到以下错误，并且不确定如何解决它：

patsy.PatsyError: Error evaluating factor: Exception: Column(s) ['bckts', 'dist', 'pay_hist', 'inc', 'bal'] already selected

    bal ~ C(dist)  + C(pay_hist) + C(inc) + C(bckts)

                     ^^^^^^^^^^^          

Answer 1

问题是您将分组数据帧传递到函数中pasty.dmatrices。由于分组数据帧是可迭代的，因此您可以在这样的循环中执行此操作，并将所有 X 数据帧（每组一个）存储到字典中：import statsmodels.api as smimport statsmodels.formula.api as smfimport numpy as npimport pandas as pdimport patsy# Loading datadf = sm.datasets.get_rdataset("Guerry", "HistData").data# Extracting Independent variablesformula = 'Suicides ~ Crime_parents + Infanticide'data = df.groupby(['Region'])[['Suicides', 'Crime_parents', 'Infanticide', 'Region']]X = {}for name, group in data:     Y, X[name] = patsy.dmatrices(formula, group, return_type='dataframe')print(X)