python - 如何获取 statsmodels/patsy 公式所依赖的列？

Question

假设我有一个 pandas 数据框:

df = pd.DataFrame({'x1': [0, 1, 2, 3, 4], 
                   'x2': [10, 9, 8, 7, 6], 
                   'x3': [.1, .1, .2, 4, 8], 
                   'y': [17, 18, 19, 20, 21]})

现在我使用一个公式拟合一个 statsmodels 模型(它在幕后使用 patsy):

import statsmodels.formula.api as smf
fit = smf.ols(formula='y ~ x1:x2', data=df).fit()

我想要的是 fit 所依赖的 df 列的列表，这样我就可以使用 fit.predict()在另一个数据集上。例如，如果我尝试 list(fit.params.index)，我会得到:

['Intercept', 'x1:x2']

我已经尝试重新创建 patsy 设计矩阵，并使用 design_info，但我仍然只能得到 x1:x2。我想要的是:

['x1', 'x2']

甚至:

['Intercept', 'x1', 'x2']

我怎样才能从 fit 对象中得到它？

Answer 1

简单测试列名是否出现在公式的字符串表示中:

ols = smf.ols(formula='y ~ x1:x2', data=df)
fit = ols.fit()

print([c for c in df.columns if c in ols.formula])
['x1', 'x2', 'y']

还有另一种重建 patsy 模型的方法(更冗长，但也更可靠)，它不依赖于原始数据框:

md = patsy.ModelDesc.from_formula(ols.formula)
termlist = md.rhs_termlist + md.lhs_termlist

factors = []
for term in termlist:
    for factor in term.factors:
        factors.append(factor.name())

print(factors)
['x1', 'x2', 'y']