statsmodels.formula.api 无法识别作为变量名称的数字

Question

考虑以下示例：

import pandas as pd
from pandas import DataFrame
import statsmodels.formula.api as smf
df = DataFrame({'a': [1,2,3], 'b': [2,3,4]})
df2 = DataFrame({'177sdays': [1,2,3], 'b': [2,3,4]})

然后 smf.ols('a ~ b', df) smf.ols('177sdays ~ b', df2)

第一个有效，第二个无效。唯一的区别似乎是变量名称中存在数字字符。这是为什么？

Answer 1

显然，statsmodels 使用名为 patsy 的库来解释传递给 ols 的公式。来自 docs，一个形式的表达式：

y ~ a + a:b + np.log(x)

将构造一个 patsy 对象的形式：

ModelDesc([Term([EvalFactor("y")])],
      [Term([]),
       Term([EvalFactor("a")]),
       Term([EvalFactor("a"), EvalFactor("b")]),
       Term([EvalFactor("np.log(x)")])])

EvalFactor then "executes arbitrary Python code." Thus your variable names must be valid Python identifiers。 IE。大写和小写字母 A 到 Z、下划线 _ 以及除第一个字符外的数字 0 到 9。

Answer 2

正如@Josef 所说，可以使用 patsy Q 来引用变量：

smf.ols('Q("177sdays") ~ b', df2).fit()

statsmodels.formula.api 无法识别作为变量名称的数字

Numbers as variable names not recognized by statsmodels.formula.api

python

pandas

statsmodels