Python 具有子组操作（如行列式）的pandas groupby？

我最近在做fat回归，所以我从R迁移到python，一切正常，但我经常遇到“奇异矩阵”（由于多重共线性或完美可预测性）错误。这在R或Stata中不是问题，因为它们会自动删除这样的观察值，所以我实际上有两个问题：

python中是否有内置的方法来处理我刚才提到的两个源代码引起的“奇异矩阵”错误

如果没有，我想自己挑选这些观察结果，但在尝试时遇到了问题

基本思想是，对于每个子组（我使用lots fixed effect），计算相关性的行列式，去掉那些值足够低的子组

我的数据：

df = pd.DataFrame({'col_1': [1,1,1,1,1,2,2,2,2,2],
                   'col_2': [1,2,3,4,5,6,7,8,9,10],
                   'col_3':['A','A','A','A','A','B','B','B','B','B'],
                   'col_4':0*10})

col_4 ~ col_1 + col_2 + C(col_3)

我的回归方程：

df = pd.DataFrame({'col_1': [1,1,1,1,1,2,2,2,2,2],
                   'col_2': [1,2,3,4,5,6,7,8,9,10],
                   'col_3':['A','A','A','A','A','B','B','B','B','B'],
                   'col_4':0*10})

col_4 ~ col_1 + col_2 + C(col_3)

每组的决定因素：

np.linalg.det(np.corrcoef(df.loc[df['col_3'].isin(['A'])][['col_1','col_2','col_4']]))
2.068910295301473e-48
np.linalg.det(np.corrcoef(df.loc[df['col_3'].isin(['B'])][['col_1','col_2','col_4']]))
8.197321048400957e-50

我想要什么

 col_1  col_2 col_3  col_4       col_det
0      1      1     A      0  2.068910e-48
1      1      2     A      0  2.068910e-48
2      1      3     A      0  2.068910e-48
3      1      4     A      0  2.068910e-48
4      1      5     A      0  2.068910e-48
5      2      6     B      0  8.197321e-50
6      2      7     B      0  8.197321e-50
7      2      8     B      0  8.197321e-50
8      2      9     B      0  8.197321e-50
9      2     10     B      0  8.197321e-50