Множественная линейная регрессия с Python statsmodel - PullRequest
Новая
       66

Множественная линейная регрессия с Python statsmodel

0 голосов
/ 09 октября 2018

В R возможно выполнить множественную линейную регрессию, например 

temp = lm(log(volume_1[11:62])~log(price_1[11:62])+log(volume_1[10:61]))

В Python можно выполнить множественную линейную регрессию с формулой стиля R, поэтому я подумал, что приведенный ниже код должен работать так же хорошо, 

import statsmodels.formula.api as smf
import pandas as pd
import numpy as np

rando = lambda x: np.random.randint(low=1, high=100, size=x)

df = pd.DataFrame(data={'volume_1': rando(62), 'price_1': rando(62)})

temp = smf.ols(formula='np.log(volume_1)[11:62] ~ np.log(price_1)[11:62] + np.log(volume_1)[10:61]', 
               data=df) 
# np.log(volume_1)[10:61] express the lagged volume

но я получаю ошибку 

PatsyError: Number of rows mismatch between data argument and volume_1[11:62] (62 versus 51)
volume_1[11:62] ~ price_1[11:62] + volume_1[10:61]

Я думаю, что невозможно регрессировать только часть строк в столбцах, потому что data = df имеет 62 строки, идругие переменные имеют 51 строку.

Есть ли какой-либо удобный способ сделать регрессию, например R?

df-тип - это pandas Dataframe, а имена столбцов - volume_1, price_1

1 Ответ

0 голосов
/ 25 октября 2018

Используя пример из вопроса github в репозитории patsy, это будет способ заставить ваш столбец задержки работать правильно. 

import statsmodels.formula.api as smf
import pandas as pd
import numpy as np

rando = lambda x: np.random.randint(low=1, high=100, size=x)

df = pd.DataFrame(data={'volume_1': rando(62), 'price_1': rando(62)})

def lag(x, n):
    if n == 0:
        return x
    if isinstance(x,pd.Series):
        return x.shift(n)

    x = x.astype('float')
    x[n:] = x[0:-n]
    x[:n] = np.nan
    return x

temp = smf.ols(formula='np.log(volume_1) ~ np.log(price_1) + np.log(lag(volume_1,1))', 
               data=df[11:62])
...