将 statsmodels 汇总 object 转换为 Pandas Dataframe

Question

I am doing multiple linear regression with statsmodels.formula.api (ver 0.9.0) on Windows 10. After fitting the model and getting the summary with following lines i get summary in summary object format.

X_opt  = X[:, [0,1,2,3]]
regressor_OLS = sm.OLS(endog= y, exog= X_opt).fit()
regressor_OLS.summary()


                          OLS Regression Results                            
==============================================================================
Dep. Variable:                      y   R-squared:                       0.951
Model:                            OLS   Adj. R-squared:                  0.948
Method:                 Least Squares   F-statistic:                     296.0
Date:                Wed, 08 Aug 2018   Prob (F-statistic):           4.53e-30
Time:                        00:46:48   Log-Likelihood:                -525.39
No. Observations:                  50   AIC:                             1059.
Df Residuals:                      46   BIC:                             1066.
Df Model:                           3                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const       5.012e+04   6572.353      7.626      0.000    3.69e+04    6.34e+04
x1             0.8057      0.045     17.846      0.000       0.715       0.897
x2            -0.0268      0.051     -0.526      0.602      -0.130       0.076
x3             0.0272      0.016      1.655      0.105      -0.006       0.060
==============================================================================
Omnibus:                       14.838   Durbin-Watson:                   1.282
Prob(Omnibus):                  0.001   Jarque-Bera (JB):               21.442
Skew:                          -0.949   Prob(JB):                     2.21e-05
Kurtosis:                       5.586   Cond. No.                     1.40e+06
==============================================================================

我想对显着性水平 0.05 的 P 值进行反向消除。 为此，我需要删除具有最高 P 值的预测器并再次运行代码。

我想知道是否有办法从摘要 object 中提取 P 值，这样我就可以使用条件语句运行循环并找到重要变量，而无需手动重复这些步骤。

谢谢你。

Answer 1

@Michael B 的答案效果很好，但需要“重新创建”表格。 表格本身实际上可以直接从 summary().tables 属性中获得。 此属性中的每个表（即表列表）都是一个SimpleTable ，它具有用于输出不同格式的方法。 然后我们可以读取任何这些格式作为 pd.DataFrame：

import statsmodels.api as sm

model = sm.OLS(y,x)
results = model.fit()
results_summary = results.summary()

# Note that tables is a list. The table at index 1 is the "core" table. Additionally, read_html puts dfs in a list, so we want index 0
results_as_html = results_summary.tables[1].as_html()
pd.read_html(results_as_html, header=0, index_col=0)[0]

Answer 2

将您的模型拟合存储为变量results ，如下所示：

import statsmodels.api as sm
model = sm.OLS(y,x)
results = model.fit()

然后创建一个像下面这样的函数：

def results_summary_to_dataframe(results):
    '''take the result of an statsmodel results table and transforms it into a dataframe'''
    pvals = results.pvalues
    coeff = results.params
    conf_lower = results.conf_int()[0]
    conf_higher = results.conf_int()[1]

    results_df = pd.DataFrame({"pvals":pvals,
                               "coeff":coeff,
                               "conf_lower":conf_lower,
                               "conf_higher":conf_higher
                                })

    #Reordering...
    results_df = results_df[["coeff","pvals","conf_lower","conf_higher"]]
    return results_df

您可以通过使用dir()打印来进一步探索results对象的所有属性，然后将它们相应地添加到函数和 df 中。

Answer 3

一个简单的解决方案只是一行代码：

LRresult = (result.summary2().tables[1])

正如 ZaxR 在以下评论中提到的，Summary2 尚未被认为是稳定的，但它也适用于 Summary。 所以这可能是正确的答案：

LRresult = (result.summary().tables[1])

这将为您提供一个数据框对象：

type(LRresult)

pandas.core.frame.DataFrame

要获取重要变量并再次运行测试：

newlist = list(LRresult[LRresult['P>|z|']<=0.05].index)[1:]
myform1 = 'binary_Target' + ' ~ ' + ' + '.join(newlist)

M1_test2 = smf.logit(formula=myform1,data=myM1_1)

result2 = M1_test2.fit(maxiter=200)
LRresult2 = (result2.summary2().tables[1])
LRresult2

Answer 4

你可以写如下。这将是一个简单的修复并且几乎每次都能正常工作。

lr.summary2()

Answer 5

下面的代码将所有指标放入一个可通过 key 访问的字典中。 中间结果实际上是您可以使用的DataFrame ，我没有将系数制作成dictionary ，但是您可以应用类似的方法，然后是两层深dict[var][metric] 。

为了使键易于键入，我将一些度量标准名称转换为更易于键入的版本。 例如，"Prob(Omnibus):" 变为 prob_omnibus，这样您就可以通过 res_dict['prob_omnibus'] 访问该值。

import pandas as pd

res = sm.OLS(y, X).fit()
model_results_df = []
coefficient_df = None
for i, tab in enumerate(res.summary().tables):
    header, index_col = None, None
    if i == 1:
        coefficient_df = pd.read_html(tab.as_html(), header=0, index_col=0)[0]
    else:
        df = pd.read_html(tab.as_html())[0]
        model_results_df += [df.iloc[:,0:2], df.iloc[:,2:4]]

model_results_df = pd.DataFrame(np.concatenate(model_results_df), columns=['metric', 'value'])
model_results_df.dropna(inplace=True, axis=0)
model_results_df.metric = model_results_df.metric.apply(lambda x : x.lower().replace(' (', '_')
                                                        .replace('.', '').replace('(', '_')
                                                        .replace(')', '').replace('-', '_')
                                                       .replace(':', '').replace(' ', '_'))

res_dict = dict(zip(model_results_df.metric.values, model_results_df.value.values))
res_dict['f_statistic']

Answer 6

如果你想要周围的信息，请尝试以下操作：

import pandas as pd
dfs = {}
fs = fa_model.summary()
for item in fs.tables[0].data:
    dfs[item[0].strip()] = item[1].strip()
    dfs[item[2].strip()] = item[3].strip()
for item in fs.tables[2].data:
    dfs[item[0].strip()] = item[1].strip()
    dfs[item[2].strip()] = item[3].strip()
dfs = pd.Series(dfs)

Answer 7

我仍然认为没有一个清晰的答案可以完整地捕获查询。 这是捕获两个数据帧中所有内容的一种方法（一种用于中间表，一种用于顶部和底部的指标）。

def reform_df(dft):
    # quick and dirty stacking of cols 2,3 on 0,1
    dfl = dft[[0,1]]
    dfr = dft[[2,3]]
    dfr.columns = 0,1
    dfout = pd.concat([dfl,dfr])
    dfout.columns=['Parameter','Value']
    return dfout

def model_summary_to_dataframe(model):
    # first the middle table      
    results_df = pd.DataFrame(model.summary().tables[1])
    results_df = results_df.set_index(0)
    results_df.columns = results_df.iloc[0]
    results_df = results_df.iloc[1:]
    results_df.index.name='Parameter'

    # now for the surrounding information
    metrics_top = reform_df(pd.DataFrame(model.summary().tables[0]))
    metrics_bot = reform_df(pd.DataFrame(model.summary().tables[2]))
    metrics_df = pd.concat([metrics_top,metrics_bot])

    return pd.DataFrame(results_df),metrics_df

Answer 8

它有效，但我在 item[3] 中发现了一个小错误 这是修复：

import pandas as pd
dfs = {}
fs = stepwise_fit.summary()
for item in fs.tables[0].data:
    #print("item " + str(item))
    dfs[item[0].strip()] = item[1].strip()
    dfs[item[2].strip()] = str(item[3]).strip()
for item in fs.tables[2].data:
    dfs[item[0].strip()] = item[1].strip()
    dfs[item[2].strip()] = str(item[3]).strip()
dfs = pd.Series(dfs)
print(type(dfs))

Answer 9

这对我有用：

st, data, ss2 = summary_table(result, alpha=0.05)

df = pd.DataFrame( data=data, columns=ss2 )