熊猫OLS-拉参数不起作用

Question

我的Pandas OLS代码行正常运行，但是无法拉出要在其他相关函数中使用的参数：

ES_15M_LR = pd.ols(y = ES_15M_Last_300_Periods['Close'], x = ES_15M_Last_300_Periods['Date'])

上面的代码很好用，但是当我尝试从中提取参数时，我得到了错误：

AttributeError: 'OLS' object has no attribute 'params' 

例如，我尝试过：

ES_15M_LR.params

以及：

ES_15M_LR.params.x

...拉x系数（斜率）。那将得到与上述相同的错误。但是，我可以看到统计数据按预期运行：

我只是似乎无法自动提取参数，而我需要将其作为其他函数的变量。有人可以协助吗？

Answer 1

首先，强烈建议您使用statsmodels，因为...

pandas.stats.ols，pandas.stats.plm并且pandas.stats.var例程已弃用，并将在以后的版本中删除（GH6077：MIGRATE：将统计代码移至statsmodels /在熊猫中弃用＃6077）

关于param访问，

import numpy as np
import pandas as pd
import statsmodels.api as sm

df = pd.DataFrame(np.random.randint(0,100,size=(100, 2)), columns=list('AB'))

model = sm.OLS(df['A'], df['B'])
fit = model.fit()

print fit.params

B    0.724865

print fit.summary()

                            OLS Regression Results                            
==============================================================================
Dep. Variable:                      A   R-squared:                       0.533
Model:                            OLS   Adj. R-squared:                  0.528
Method:                 Least Squares   F-statistic:                     113.0
Date:                Thu, 16 Feb 2017   Prob (F-statistic):           4.66e-18
Time:                        10:27:13   Log-Likelihood:                -509.62
No. Observations:                 100   AIC:                             1021.
Df Residuals:                      99   BIC:                             1024.
Df Model:                           1                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
B              0.7249      0.068     10.629      0.000       0.590       0.860
==============================================================================
Omnibus:                        3.447   Durbin-Watson:                   1.724
Prob(Omnibus):                  0.178   Jarque-Bera (JB):                2.856
Skew:                           0.301   Prob(JB):                        0.240
Kurtosis:                       2.432   Cond. No.                         1.00
==============================================================================

并检查sm.add_constant（）。