為什么Statsmodels OLS不支持讀取包含多個單詞的列？

Question

我一直在嘗試使用Seaborn的lmplot（）和Statsmodels .ols（）函數來處理簡單的線性回歸圖及其相關的p值，r平方等。

我注意到當我指定要用於lmplot的列時，我可以指定一個列，即使它有多個單詞：

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，如果我嘗試使用ols，我輸入“特定鏈的數量”作為我的因變量時輸入錯誤（我只列出了錯誤中的最后幾行）：

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“特定鏈的計數”，則回歸起作用：

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

有人知道為什么嗎？ 是不是因為Statsmodels是如何寫的？ 是否有替代方法可以為不涉及iloc或loc的回歸分析指定因變量？

Answer 1

這是由於編寫公式解析器patsy的方式： 有關詳細信息，請參閱此鏈接

然而， patsy的作者想到了這個問題:(引自這里 ）

這種靈活性確實會在一種情況下產生問題 - 因為我們將您在+符號之間寫的任何內容解釋為Python代碼，實際上您必須編寫有效的Python代碼。 如果您的變量名稱中包含有趣的字符（如空格或標點符號），這可能會非常棘手。 幸運的是，patsy有一個名為Q（）的內置“轉換”，可以讓你“引用”這些變量

因此，在您的情況下，您應該能夠寫：

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