R Python中带有虚拟变量的OLS-最佳解决方案？

我试图用Python解决一个问题，我已经找到了多种解决方案（我想），但我试图找出哪一种是最好的。我希望选择的图书馆将在未来得到充分支持，这样我就不必重新编写这项服务

我想用分类变量和连续因变量做一个普通的多元最小二乘回归。代码必须用Python编写，因为它要集成到web服务中。我一直在关注熊猫，但从未使用过，所以这似乎是一种方法：

解决方案1

显然，numpy/scipy是理想的，但我找不到使用伪变量的示例（有人有吗？？）。我确实找到了这个

解决方案2

我可以修改它以支持虚拟变量，但如果其他人已经这样做了，我不想这样做+我希望数字与R非常相似，因为我离线完成了大部分分析，我可以将这些结果用于单元测试

在上面的示例（2）中，我看到我可以在技术上使用rpy/rpy2，尽管这不是最佳的，因为我的web服务还需要另一种技术（R）。使用该接口的好处是，这些数字将与我从R获得的结果相同

解决方案3。（但使用Rpy/Rpy2）

不管怎样，我对这三种解决方案中每个人的做法都很感兴趣，如果我缺少的话。。。。。。如果Panda足够成熟，可以开始在生产web服务中使用。这里的关键是，如果可能的话，我不想支持/修补bug修复或从头开始编写任何东西。我太忙了，可能不够聪明：）

---

谢谢。

您可以使用statsmodels，它提供了许多不同的模型和结果统计信息

如果您想使用类似R的公式接口，以下是一些示例，您可以查看相应的文档：

如果您想要一个纯numpy版本，那么这里有一个旧的示例，它从头开始做所有事情

这些模型与pandas集成，可以使用pandas DataFrame作为因变量和自变量的数据结构（statsmodels命名约定中的endog和exog）