Python 如何阻止patsy创建分类变量的冗余交互

我正在使用patsy使用公式api来拟合statsmodels的回归

我的问题是，我的设计矩阵是单数的，因为patsy（局部？）创建了类别的冗余交互

import patsy
import pandas as pd
data = [('y',[2,5,6]),
        ('c1',['a','a','b']),
        ('c2',['g','f','g'])]
df = pd.DataFrame.from_items(data)#([y,c1,c2],columns=['y','c1','c2'])
formula = "y ~C(c1):C(c2)-1"
y,X = patsy.dmatrices(formula,df,return_type='dataframe')
print (X)

C(c1)[a]:C(c2)[f]   C(c1)[b]:C(c2)[f]   C(c1)[a]:C(c2)[g]   C(c1)[b]:C(c2)[g]
0   0.0 0.0 1.0 0.0
1   1.0 0.0 0.0 0.0
2   0.0 0.0 0.0 1.0

我想排除第二列，因为

c1

没有值

b

当

c2

有值

f

Patsy将

C（c1）：C（c2）

解释为“我想估计

c1

和

c2

值的每个组合的效果”。如果其中一些组合没有出现在您的数据中，那么它们就无法估计，所以给您一个奇异矩阵至少可以指出问题所在

如果您只想估计现有组合的影响，一种简单的方法是为

c1

和

c2

的每个组合创建一个不同值的新变量。这样做的原因是patsy会推断出可能的值集正是实际出现的值——它无法知道

b.f

可能发生了什么：

In [1]: df["c1_and_c2"] = df["c1"] + "." + df["c2"]

In [2]: patsy.dmatrix("c1_and_c2 - 1", df)
Out[2]: 
DesignMatrix with shape (3, 3)
  c1_and_c2[a.f]  c1_and_c2[a.g]  c1_and_c2[b.g]
               0               1               0
               1               0               0
               0               0               1
  Terms:
    'c1_and_c2' (columns 0:3)

Patsy将

C（c1）：C（c2）

解释为“我想估计

c1

和

c2

值的每种组合的效果”。如果其中一些组合没有出现在您的数据中，那么它们就无法估计，所以给您一个奇异矩阵至少可以指出问题所在

如果您只想估计现有组合的影响，一种简单的方法是为

c1

和

c2

的每个组合创建一个不同值的新变量。这样做的原因是patsy会推断出可能的值集正是实际出现的值——它无法知道

b.f

可能发生了什么：

In [1]: df["c1_and_c2"] = df["c1"] + "." + df["c2"]

In [2]: patsy.dmatrix("c1_and_c2 - 1", df)
Out[2]: 
DesignMatrix with shape (3, 3)
  c1_and_c2[a.f]  c1_and_c2[a.g]  c1_and_c2[b.g]
               0               1               0
               1               0               0
               0               0               1
  Terms:
    'c1_and_c2' (columns 0:3)