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（）函数来获得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，即使它具有多个单词，我也可以指定一列：

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，则输入“特定链数”作为我的因变量时会出错（我只列出了错误中的最后两行）：

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“特定股数”，如下所示，则回归有效：

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

有人知道为什么吗？仅仅是因为Statsmodels是如何编写的？是否可以指定不涉及iloc或loc的回归分析的因变量？

Answer 1

这是由于公式解析器patsy的编写方式所致：有关更多信息，请参见此链接。

patsy但是，的作者已经想到了这个问题：（从此处引用）

但是，这种灵活性确实会产生问题-因为我们将您在+号之间编写的内容解释为Python代码，所以实际上您实际上必须编写有效的Python代码。如果变量名中包含有趣的字符（例如空格或标点符号），那么这可能会很棘手。幸运的是，patsy具有一个内置的称为“ Q（） ”的“转换” ，可让您“引用”此类变量

因此，根据您的情况，您应该能够编写：

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