python - patsy 中未修改的列名索引

Question

我正在使用 patsy 准备用于回归的分类数据，并希望将列名称映射到其在 DesignMatrix 中的索引。我尝试使用 DesignInfo 的 column_name_indexes 属性对象，但列名已被修改以反射(reflect)编码。

使用 docs 中的数据的示例:

>>> from patsy import demo_data, dmatrix
>>> data = demo_data("a", nlevels=3)
>>> data
{'a': ['a1', 'a2', 'a3', 'a1', 'a2', 'a3']}

>>> x = dmatrix("a", data)
>>> x
DesignMatrix with shape (6, 3)
  Intercept  a[T.a2]  a[T.a3]
          1        0        0
          1        1        0
          1        0        1
          1        0        0
          1        1        0
          1        0        1
  Terms:
    'Intercept' (column 0)
    'a' (columns 1:3)

>>> x.design_info.column_name_indexes
OrderedDict([('Intercept', 0), ('a[T.a2]', 1), ('a[T.a3]', 2)])

我希望能够访问例如的列索引'a2' 通过调用:

x.design_info.column_name_indexes['a2']

但是当然会返回KeyError: 'a2'。因此，我必须自己构造修改后的键才能获得所需的列索引1:

x.design_info.column_name_indexes['a[T.a2]']

有没有办法通过引用未修改的功能/列名称(即 'a2')来访问列索引，而不必构造修改后的键，即 'a[T .a2]'？

Answer 1

一般来说，a2 等分类值与设计矩阵列之间不存在一对一的映射。您正在讨论的列已经比这更复杂了 - 这是 a2 和 a1 值之间的处理对比 - 并且事情可以比这更复杂(例如，考虑 Helmert 或多项式编码)。

如果您知道要查找与变量a的a2相关的治疗对比，那么您可以使用

def column_for_treatment(design_info, factor, value):
    column_name = "{}[T.{}]".format(factor, value)
    return design_info.column_name_indexes[colum_name]

column_for_treatment(x.design_info, "a", "a2")

这看起来有点傻，但它应该可以工作，并且考虑到上面提到的一般问题，我不确定什么会更好。