Python 使用statsmodels进行回归时出现PatsyError

我正在

statsmodels

中使用

ols

运行回归。在数据帧的每一行上运行回归后，我想从那些回归中使用的

patsy

中检索X变量。但是，我犯了一个我似乎无法理解的错误

编辑：我正在尝试运行中显示的回归，但希望在我的数据帧

df

的分组版本的每一行上运行回归，其中它按

日期

，

余额

，

距离

，

支付历史

，

inc

，

bckts

进行分组。因此，我首先按照上述方法对这些数据进行分组，然后尝试在每一行上运行回归，其中，

df

按

Date

进行分组：

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')
################

我发现以下错误，不确定如何解决：

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)
                     ^^^^^^^^^^^          

---

问题是您正在将分组数据帧传递到

pasty.dmatrices

函数中。由于分组数据帧是可编辑的，您可以在这样的循环中执行，并将所有X数据帧（每组一个）存储到字典中：

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

# Loading data
df = sm.datasets.get_rdataset("Guerry", "HistData").data

# Extracting Independent variables
formula = '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)

---

df.apply

按列而不是按行应用。你还需要弄清楚为什么要按“日期”分组，你的目标是什么？是否要为数据框中的每个“日期”组运行单独的回归？只按“日期”分组是很少见的，通常你会有“月”或“年”之类的词。@annicheez谢谢。我正在运行本文中介绍的回归。我更改了问题，以反映我第一次按

Date

、

bal

等分组，并希望在反映分组数据的行上运行回归。此外，

日期是每月一次的，因此它实际上是信息的一个月。见下面我的答案。问题是您将分组数据帧馈送到
pasty.dmatrices
函数中，该函数会抛出错误，因为它需要一个Xs和Y列的实例。