我如何获得statsmodels / patsy公式所依赖的列？

Question

假设我有一个pandas数据帧：

df = pd.DataFrame({'x1': [0, 1, 2, 3, 4], 
                   'x2': [10, 9, 8, 7, 6], 
                   'x3': [.1, .1, .2, 4, 8], 
                   'y': [17, 18, 19, 20, 21]})

现在我使用公式拟合statsmodels模型（在幕后使用patsy：]

import statsmodels.formula.api as smf
fit = smf.ols(formula='y ~ x1:x2', data=df).fit()

我想要的是df所依赖的fit列的列表，以便可以在另一个数据集上使用fit.predict()。例如，如果我尝试list(fit.params.index)，则会得到：

['Intercept', 'x1:x2']

我尝试过重新创建patsy设计矩阵，并使用design_info，但我仍然只得到x1:x2。我想要的是：

['x1', 'x2']

甚至：

['Intercept', 'x1', 'x2']

如何仅从fit对象获得此信息？

Answer 1

仅测试列名称是否出现在公式的字符串表示中：

ols = smf.ols(formula='y ~ x1:x2', data=df)
fit = ols.fit()

print([c for c in df.columns if c in ols.formula])
['x1', 'x2', 'y']

[通过重建patsy模型有另一种方法（更详细，但也更可靠），它不依赖于原始数据帧：

md = patsy.ModelDesc.from_formula(ols.formula)
termlist = md.rhs_termlist + md.lhs_termlist

factors = []
for term in termlist:
    for factor in term.factors:
        factors.append(factor.name())

print(factors)
['x1', 'x2', 'y']

Answer 2

predict采用数据帧或字典的相同结构，并且调用patsy以兼容的方式对其进行转换。要复制此代码，您还可以检查statsmodels.base.model.Results.predict中的代码，其核心是

exog = dmatrix(self.model.data.design_info.builder,
                           exog, return_type="dataframe")

公式信息本身存储在terms中design_info的描述中。变量名本身在summary()中使用，并在返回的熊猫系列中用作索引，例如在results.params中。

Answer 3

[ols.exog_names和ols.endog_names应该这样做