Python 使用patsy选择y变量/LHS/内生侧的参考水平

我试图用Patsy来制作内生和外生数据矩阵，用于二元逻辑回归。我在设置内源侧的参考水平时遇到问题

以下代码的问题是内生端有两个级别，在二元逻辑回归中它应该只有一个级别

import pandas as pd
import statsmodels.api as sm
import patsy

# data:
url = 'http://vincentarelbundock.github.io/Rdatasets/csv/datasets/iris.csv'
df = pd.read_csv(url)
df = df.iloc[:10,1:]
df = df.loc[ ( df.Species == 'setosa') | ( df.Species == 'versicolor' ) ,]
df.columns = ['Sepal_Length', 'Sepal_Width', 'Petal_Length', 'Petal_Width', 'Species' ]


y, X = patsy.dmatrices("C(Species,Treatment('versicolor')) ~ Sepal_Length",data = df, return_type = 'dataframe')

---

y的形状是（100，2），但我只需要1列。那么，我如何让Patsy输出内生面，这样我就可以直接在二元逻辑回归中使用它呢？

Hmm，我的建议是在完成上述操作后，将y切片。Patsy在设计时并没有考虑LHS变量。Statsmodels在这种情况下应该可以工作（目前没有，但这是Statsmodels IMO中的一个bug。如果您在github上提交一个bug报告，我可以查看它。）

仅供参考，您可以使用

import statsmodels.api as sm
dta = sm.datasets.get_rdataset('iris', cache=True)

作为获取Rdatasets数据的快捷方式