为什么Statsmodels OLS不支持读取包含多个单词的列？

Question

我一直在尝试使用Seaborn的lmplot（）和Statsmodels .ols（）函数来处理简单的线性回归图及其相关的p值，r平方等。

我注意到当我指定要用于lmplot的列时，我可以指定一个列，即使它有多个单词：

import seaborn as sns
import pandas as pd
input_csv = pd.read_csv('./test.csv',index_col = 0,header = 0)
input_csv

sns.lmplot(x='Age',y='Count of Specific Strands',data = input_csv)
<seaborn.axisgrid.FacetGrid at 0x2800985b710>

但是，如果我尝试使用ols，我输入“特定链的数量”作为我的因变量时输入错误（我只列出了错误中的最后几行）：

import statsmodels.formula.api as smf
test_results = smf.ols('Count of Specific Strands ~ Age',data = input_csv).fit()

File "<unknown>", line 1
    Count of Specific Strands
           ^
SyntaxError: invalid syntax

相反，如果我指定如下所示的“特定链的计数”，则回归起作用：

test_results = smf.ols('input_csv.iloc[:,1] ~ Age',data = input_csv).fit()
test_results.summary()

有人知道为什么吗？ 是不是因为Statsmodels是如何写的？ 是否有替代方法可以为不涉及iloc或loc的回归分析指定因变量？

Answer 1

这是由于编写公式解析器patsy的方式： 有关详细信息，请参阅此链接

然而， patsy的作者想到了这个问题:(引自这里 ）

这种灵活性确实会在一种情况下产生问题 - 因为我们将您在+符号之间写的任何内容解释为Python代码，实际上您必须编写有效的Python代码。 如果您的变量名称中包含有趣的字符（如空格或标点符号），这可能会非常棘手。 幸运的是，patsy有一个名为Q（）的内置“转换”，可以让你“引用”这些变量

因此，在您的情况下，您应该能够写：

smf.ols('Q("Count of Specific Strands") ~ Age',data = input_csv).fit()