Mit predict() auf statsmodels.Formel Daten mit unterschiedlichen Spaltennamen mit Python Pandas

Habe ich einige Regressionen Ergebnisse aus Laufenden statsmodels.formula.api.ols. Hier ist ein Spielzeug-Beispiel:

import pandas as pd
import numpy as np
import statsmodels.formula.api as smf

example_df = pd.DataFrame(np.random.randn(10, 3))
example_df.columns = ["a", "b", "c"]
fit = smf.ols('a ~ b', example_df).fit()

Möchte ich das Modell auf Spalte c, aber naive Versuch, das zu tun funktioniert nicht:

fit.predict(example_df["c"])

Hier ist die exception die ich bekomme:

PatsyError: Error evaluating factor: NameError: name 'b' is not defined
    a ~ b
        ^

Kann ich etwas grob, und erstellen Sie eine neue, temporäre DataFrame in die ich benennen Sie die Spalte von Interesse:

example_df2 = pd.DataFrame(example_df["c"])
example_df2.columns = ["b"]
fit.predict(example_df2)

Gibt es eine bessere Möglichkeit, dies zu tun? (kurze Umstellung der statsmodels.api statt statsmodels.formula.api)

InformationsquelleAutor kuzzooroo | 2015-03-12
  1. 3

    Können Sie ein Wörterbuch:

    >>> fit.predict({"b": example_df["c"]})
array([ 0.84770672, -0.35968269,  1.19592387, -0.77487812, -0.98805215,
        0.90584753, -0.15258093,  1.53721494, -0.26973941,  1.23996892])

    oder erstellen Sie ein numpy-array für die Vorhersage, obwohl das viel komplizierter, wenn es kategorische erklärende Variablen:

    >>> fit.predict(sm.add_constant(example_df["c"].values), transform=False)
array([ 0.84770672, -0.35968269,  1.19592387, -0.77487812, -0.98805215,
        0.90584753, -0.15258093,  1.53721494, -0.26973941,  1.23996892])
    • Haben Sie finden diese in der Dokumentation irgendwo? Versuch nicht wieder alles bis.
    • Ich könnte Sie es gesehen haben in einem der notebook-Beispiele. Aber patsy ist der Umgang mit der Formel Informations-und Aufbau der design-matrix, und in den meisten oder in allen Fällen können die Daten angegeben werden, die als pandas dataframe oder andere Wörterbuch der Daten-Struktur. Diese werden nicht explizit dokumentiert für jede Methode oder Modell.
    InformationsquelleAutor Josef
  2. 1

    Wenn Sie ersetzen Ihre fit definition mit dieser Zeile:

    fit = smf.ols('example_df.a ~ example_df.b', example_df).fit()

    Sollte es funktionieren.

    fit.predict(example_df["c"])

array([-0.52664491, -0.53174346, -0.52172484, -0.52819856, -0.5253607 ,
       -0.52391618, -0.52800043, -0.53350634, -0.52362988, -0.52520823])
    • Oder passen = smf.ols("example_df['a'] ~ example_df['b']", example_df).fit (), wenn du lieber die andere Art der Spalte Referenz.
    • Ich bin nicht immer die richtigen Ergebnisse mit dieser, mit der version von patsy und pandas, die ich installiert habe. Überprüfen Sie mit example_df["c"] * fit.params[1] + fit.params[0].
    • Dies scheint nicht für mich arbeiten. fit.predict zu sein scheint, ignoriert das argument. Bekomme ich die gleiche Ausgabe wenn ich fit.predict(None).
    InformationsquelleAutor Primer
Schreibe einen Kommentar