Python OLS回归结果

我正在尝试对一个大学项目进行“OLS回归结果”，我的代码如下：

将statsmodels.api导入为sm
从statsmodels.formula.api导入ols
将numpy作为np导入
data=np.loadtxt（'file.txt'，skiprows=1）
季节=数据[：nb，0]
tod=数据[：nb，1]
obs=数据[：nb，2]
pr=数据[：nb，3]
数据=ols（'pr~tod+季节'，数据=数据）.fit（）
表=sm.stats.anova（数据，典型值=2）
数据汇总表（）
打印（表格）

它给了我这个错误“PatsyError:error evaluation factor:indexer:只有整数、片（

：

）、省略号（

…

）、numpy.newaxis（

None

）和整数或布尔数组是有效的索引 pr~tod）+季节“

我认为错误在于我的数据格式。文本文件包含4个不同的列（季节、tod、obs和pr）

---

有人能帮我吗？

data

是一个基本的NumPy

ndarray

对象。当您使用

[]

对它们进行索引时，它们接受整数、切片或其他“类似数组”的对象。但是，

ols

函数在中明确表示：

数据必须使用公式中的键定义

\uuuu getitem\uuu

---

这意味着

data

必须是一个pandas

DataFrame

、一个字典或一个NumPy，带有一个接受

str

对象作为索引的

getitem

方法。

data

是一个基本NumPy

ndarray

对象。当您使用

[]

对它们进行索引时，它们接受整数、切片或其他“类似数组”的对象。但是，

ols

函数在中明确表示：

数据必须使用公式中的键定义

\uuuu getitem\uuu

---

这意味着

data

必须是一个pandas

DataFrame

、一个字典或一个NumPy，其

\uuuu getitem\uuuuuuuu

方法接受

str

对象作为索引。

它也可以是一个字典<代码>{“pr”：pr，“tod”：tod，“seasure”：seasure}@Josef是的，它可以是一个dict，列在最后一句：）它也可以是一本字典<代码>{“pr”：pr，“tod”：tod，“season”：season}@Josef是的，它可以是一个dict，在最后一句中列出：）

season:[3., 3., 1., 3., 3., 3., 3., 3., 1., 3., 3., 1., 3., 2., 3., 3., 3.,
       1., 1., 1., 1., 3., 1., 2., 1., 3., 1., 1., 2., 1., 3., 3., 1., 1.,
       1., 2., 3.]

tod:[2., 4., 1., 2., 2., 2., 4., 1., 3., 3., 1., 3., 3., 2., 2., 4., 3.,
       3., 4., 3., 3., 2., 4., 1., 3., 4., 1., 1., 1., 3., 3., 4., 3., 3.,
       4., 4., 4.]

obs:[ 1.,  1.,  1.,  3.,  3.,  3.,  3.,  3.,  4.,  4.,  4.,  5.,  5.,
        5.,  5.,  5.,  6.,  9.,  9., 12., 12., 12., 12., 12., 13., 13.,
       16., 16., 17., 19., 19., 19., 20., 20., 20., 20., 24.]

pr:[0. , 0. , 0. , 0.1, 0.2, 0.2, 0.4, 0.4, 0.5, 0.5, 0.7, 0.7, 0.7,
       0.8, 0.8, 0.8, 0.8, 0.9, 0.9, 1. , 1. , 1.1, 1.1, 1.2, 1.3, 1.4,
       1.4, 1.5, 1.6, 1.7, 1.7, 1.8, 1.8, 1.9, 2. , 2. , 2. ]