Statsmodels - 广播形状不同？

Question

我正在尝试使用 statsmodels 中的 logit 模块对包含布尔值（“默认”）目标变量和两个特征（“fico_interp”、“home_ownership_int”）的数据集执行逻辑回归。所有三个值都来自同一数据框“traindf”：

from sklearn import datasets
import statsmodels.formula.api as smf

lmf = smf.logit('default ~ fico_interp + home_ownership_int',traindf).fit()

这会生成一条错误消息：

ValueError：操作数无法与形状一起广播 (40406,2) (40406,)

怎么会发生这种事呢？

Answer 1

问题是traindf['default']包含非数字值。

以下代码重现了该错误：

import pandas as pd, numpy as np, statsmodels.formula.api as smf
df = pd.DataFrame(np.random.randn(1000,2), columns=list('AB'))
df['C'] = ((df['B'] > 0)*1).apply(str)
lmf = smf.logit('C ~ A', df).fit()

以下代码是修复此实例的可能方法：

df.replace(to_replace={'C' : {'1': 1, '0': 0}}, inplace = True)
lmf = smf.logit('C ~ A', df).fit()

这篇文章报告了一个类似的问题。