当我将 Jupyter Notebook 转换为 PDF 时，我可以漂亮地打印 linearmodels.panel.results.compare() 的输出吗？
Can I pretty print the output of linearmodels.panel.results.compare() when I convert a Jupyter Notebook to PDF?
我使用 Python 分析 Jupyter Notebooks 中的数据，我将其转换为 PDF 以与共同作者 (jupyter nbconvert --to pdf) 共享。
我经常使用 linearmodels.panel.results.compare() 来比较 linearmodels 包中的面板回归估计。
但是，PDF 转换过程将 compare() 输出转换为固定宽度的字体，这对于 PDF 来说太宽了（我将在下面提供代码）：
当我将 Jupyter Notebook 转换为 PDF 时，我可以漂亮地打印 compare() 的输出吗？
一种可能的解决方案是将 compare() 输出转换为数据帧。
当我转换为 PDF 时，选项 pd.options.display.latex.repr = True 会漂亮地打印数据框。
例如：
在笔记本中，compare() 输出格式很好，看起来像 数据框。
但是，它不是数据框，我也未能将其转换为数据框。
是否有替代解决方案来比较 linearmodels 包输出结果的漂亮打印？
下面是生成上述表格的代码（复制并粘贴到 Jupyter Notebook 代码单元格中）：
import pandas as pd
from linearmodels.panel import FamaMacBeth
from linearmodels.panel.results import compare
pd.options.display.latex.repr = True
from statsmodels.datasets import grunfeld
df = grunfeld.load_pandas().data
df.set_index(['firm','year'], inplace=True)
display(df.head())
table = {
'(1)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(2)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(3)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(4)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit()
}
display(compare(table))
comparereturns一个PanelModelComparison。这个 class 有一个 属性 summary 其中 returns 一个 linearmodels.compat.statsmodels.Summary 实际上与 statsmodels 中可用的 Summary 对象相同。 Summary 个实例有一个方法 as_latex() 将 table 转换为 LaTeX。
import pandas as pd
from linearmodels.panel import FamaMacBeth
from linearmodels.panel.results import compare
pd.options.display.latex.repr = True
from statsmodels.datasets import grunfeld
df = grunfeld.load_pandas().data
df.set_index(['firm','year'], inplace=True)
display(df.head())
table = {
'(1)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(2)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(3)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(4)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit()
}
display(compare(table))
comparrison = compare(table)
summary = comparrison.summary
print(summary.as_latex())
这会打印
\begin{center}
\begin{tabular}{lcccc}
\toprule
& \textbf{(1)} & \textbf{(2)} & \textbf{(3)} & \textbf{(4)} \
\midrule
\textbf{Dep. Variable} & value & value & value & value \
\textbf{Estimator} & FamaMacBeth & FamaMacBeth & FamaMacBeth & FamaMacBeth \
\textbf{No. Observations} & 220 & 220 & 220 & 220 \
\textbf{Cov. Est.} & Fama-MacBeth Standard Cov & Fama-MacBeth Standard Cov & Fama-MacBeth Standard Cov & Fama-MacBeth Standard Cov \
\textbf{R-squared} & 0.6964 & 0.6964 & 0.6964 & 0.6964 \
\textbf{R-Squared (Within)} & -1.8012 & -1.8012 & -1.8012 & -1.8012 \
\textbf{R-Squared (Between)} & 0.8660 & 0.8660 & 0.8660 & 0.8660 \
\textbf{R-Squared (Overall)} & 0.6964 & 0.6964 & 0.6964 & 0.6964 \
\textbf{F-statistic} & 248.83 & 248.83 & 248.83 & 248.83 \
\textbf{P-value (F-stat)} & 0.0000 & 0.0000 & 0.0000 & 0.0000 \
\textbf{=====================} & =========================== & =========================== & =========================== & =========================== \
\textbf{Intercept} & 114.16 & 114.16 & 114.16 & 114.16 \
\textbf{ } & (3.8390) & (3.8390) & (3.8390) & (3.8390) \
\textbf{capital} & 0.1457 & 0.1457 & 0.1457 & 0.1457 \
\textbf{ } & (0.8510) & (0.8510) & (0.8510) & (0.8510) \
\textbf{invest} & 6.3899 & 6.3899 & 6.3899 & 6.3899 \
\textbf{ } & (11.618) & (11.618) & (11.618) & (11.618) \
\bottomrule
\end{tabular}
%\caption{Model Comparison}
\end{center}
T-stats reported in parentheses
这是一个使用 Kevin S. 的 .summary.as_latex() 的替代方案。
下面的函数使用 compare().summary 创建一个数据框，jupyter nbconvert --to pdf 将其转换为 table.
from io import StringIO
import warnings
def compare_df(x, fit_stats=['Estimator', 'R-squared', 'No. Observations']):
with warnings.catch_warnings():
warnings.simplefilter(action='ignore', category=FutureWarning)
y = pd.read_csv(StringIO(compare(x, stars=True).summary.as_csv()), skiprows=1, skipfooter=1, engine='python')
z = pd.DataFrame(
data=y.iloc[:, 1:].values,
index=y.iloc[:, 0].str.strip(),
columns=pd.MultiIndex.from_arrays(
arrays=[y.columns[1:], y.iloc[0][1:]],
names=['Model', 'Dep. Var.']
)
)
return pd.concat([z.iloc[11:], z.loc[fit_stats]])
PDF 输出为：
请注意，此解决方案需要 pd.options.display.latex.repr = True。
我使用 Python 分析 Jupyter Notebooks 中的数据，我将其转换为 PDF 以与共同作者 (jupyter nbconvert --to pdf) 共享。
我经常使用 linearmodels.panel.results.compare() 来比较 linearmodels 包中的面板回归估计。
但是，PDF 转换过程将 compare() 输出转换为固定宽度的字体，这对于 PDF 来说太宽了（我将在下面提供代码）：
当我将 Jupyter Notebook 转换为 PDF 时，我可以漂亮地打印 compare() 的输出吗？
一种可能的解决方案是将 compare() 输出转换为数据帧。
当我转换为 PDF 时，选项 pd.options.display.latex.repr = True 会漂亮地打印数据框。
例如：
在笔记本中，compare() 输出格式很好，看起来像 数据框。
但是，它不是数据框，我也未能将其转换为数据框。
是否有替代解决方案来比较 linearmodels 包输出结果的漂亮打印？
下面是生成上述表格的代码（复制并粘贴到 Jupyter Notebook 代码单元格中）：
import pandas as pd
from linearmodels.panel import FamaMacBeth
from linearmodels.panel.results import compare
pd.options.display.latex.repr = True
from statsmodels.datasets import grunfeld
df = grunfeld.load_pandas().data
df.set_index(['firm','year'], inplace=True)
display(df.head())
table = {
'(1)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(2)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(3)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(4)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit()
}
display(compare(table))
comparereturns一个PanelModelComparison。这个 class 有一个 属性 summary 其中 returns 一个 linearmodels.compat.statsmodels.Summary 实际上与 statsmodels 中可用的 Summary 对象相同。 Summary 个实例有一个方法 as_latex() 将 table 转换为 LaTeX。
import pandas as pd
from linearmodels.panel import FamaMacBeth
from linearmodels.panel.results import compare
pd.options.display.latex.repr = True
from statsmodels.datasets import grunfeld
df = grunfeld.load_pandas().data
df.set_index(['firm','year'], inplace=True)
display(df.head())
table = {
'(1)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(2)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(3)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit(),
'(4)': FamaMacBeth.from_formula(formula='value ~ 1 + invest + capital', data=df).fit()
}
display(compare(table))
comparrison = compare(table)
summary = comparrison.summary
print(summary.as_latex())
这会打印
\begin{center}
\begin{tabular}{lcccc}
\toprule
& \textbf{(1)} & \textbf{(2)} & \textbf{(3)} & \textbf{(4)} \
\midrule
\textbf{Dep. Variable} & value & value & value & value \
\textbf{Estimator} & FamaMacBeth & FamaMacBeth & FamaMacBeth & FamaMacBeth \
\textbf{No. Observations} & 220 & 220 & 220 & 220 \
\textbf{Cov. Est.} & Fama-MacBeth Standard Cov & Fama-MacBeth Standard Cov & Fama-MacBeth Standard Cov & Fama-MacBeth Standard Cov \
\textbf{R-squared} & 0.6964 & 0.6964 & 0.6964 & 0.6964 \
\textbf{R-Squared (Within)} & -1.8012 & -1.8012 & -1.8012 & -1.8012 \
\textbf{R-Squared (Between)} & 0.8660 & 0.8660 & 0.8660 & 0.8660 \
\textbf{R-Squared (Overall)} & 0.6964 & 0.6964 & 0.6964 & 0.6964 \
\textbf{F-statistic} & 248.83 & 248.83 & 248.83 & 248.83 \
\textbf{P-value (F-stat)} & 0.0000 & 0.0000 & 0.0000 & 0.0000 \
\textbf{=====================} & =========================== & =========================== & =========================== & =========================== \
\textbf{Intercept} & 114.16 & 114.16 & 114.16 & 114.16 \
\textbf{ } & (3.8390) & (3.8390) & (3.8390) & (3.8390) \
\textbf{capital} & 0.1457 & 0.1457 & 0.1457 & 0.1457 \
\textbf{ } & (0.8510) & (0.8510) & (0.8510) & (0.8510) \
\textbf{invest} & 6.3899 & 6.3899 & 6.3899 & 6.3899 \
\textbf{ } & (11.618) & (11.618) & (11.618) & (11.618) \
\bottomrule
\end{tabular}
%\caption{Model Comparison}
\end{center}
T-stats reported in parentheses
这是一个使用 Kevin S. 的 .summary.as_latex() 的替代方案。
下面的函数使用 compare().summary 创建一个数据框，jupyter nbconvert --to pdf 将其转换为 table.
from io import StringIO
import warnings
def compare_df(x, fit_stats=['Estimator', 'R-squared', 'No. Observations']):
with warnings.catch_warnings():
warnings.simplefilter(action='ignore', category=FutureWarning)
y = pd.read_csv(StringIO(compare(x, stars=True).summary.as_csv()), skiprows=1, skipfooter=1, engine='python')
z = pd.DataFrame(
data=y.iloc[:, 1:].values,
index=y.iloc[:, 0].str.strip(),
columns=pd.MultiIndex.from_arrays(
arrays=[y.columns[1:], y.iloc[0][1:]],
names=['Model', 'Dep. Var.']
)
)
return pd.concat([z.iloc[11:], z.loc[fit_stats]])
PDF 输出为：
请注意，此解决方案需要 pd.options.display.latex.repr = True。