python - 使用 pandas pd.cut 生成带有 statsmodels 的分类变量

Question

我尝试使用 pd.cut 从连续变量创建分类变量。我想在随后的 statsmodel 定义的回归中使用它，包括这个虚拟变量。当我创建以这种方式创建的分类变量时，出现错误

TypeError: data type not understood.    

下面包含一个测试用例。

import numpy as np
import pandas as pd
import statsmodels as sm
import statsmodels.formula.api as smf
df = pd.DataFrame(np.random.randn(6,4))
df.columns = ['A', 'B', 'C', 'D']
df['ttt']=pd.cut(df['D'], bins=2)
test = smf.ols('A ~ B + ttt', data=df).fit()

我确定我做错了一些明显的错误。任何帮助将不胜感激。

Answer 1

我不确定 statsmodels 在 pandas 中包含对新 Categorical 类型的支持方面的确切位置。目前，您可能必须将分类转换回对象类型才能正常工作(请检查生成的 ols 拟合是否合理，我不知道您要做什么的全部细节):

df['ttt_fixed'] = df.ttt.astype(np.object)
test = smf.ols('A ~ B + ttt_fixed', data=df).fit()
test.summary()