我在 Mac OSX Lion 上使用 pandas 0.11.0(数据处理)和 statsmodels 0.4.3 进行逻辑回归以进行实际回归。

我将运行约 2,900 个不同的逻辑回归模型，需要将结果输出到 csv 文件并以特定方式格式化。

目前，我只知道执行 print result.summary() 将结果(如下)打印到 shell:

 Logit Regression Results                           
  ==============================================================================
 Dep. Variable:            death_death   No. Observations:                 9752
 Model:                          Logit   Df Residuals:                     9747
 Method:                           MLE   Df Model:                            4
 Date:                Wed, 22 May 2013   Pseudo R-squ.:                -0.02672
 Time:                        22:15:05   Log-Likelihood:                -5806.9
 converged:                       True   LL-Null:                       -5655.8
                                         LLR p-value:                     1.000
 ===============================================================================
                   coef    std err          z      P>|z|      [95.0% Conf. Int.]
 -------------------------------------------------------------------------------
 age_age5064    -0.1999      0.055     -3.619      0.000        -0.308    -0.092
 age_age6574    -0.2553      0.053     -4.847      0.000        -0.359    -0.152
 sex_female     -0.2515      0.044     -5.765      0.000        -0.337    -0.166
 stage_early    -0.1838      0.041     -4.528      0.000        -0.263    -0.104
 access         -0.0102      0.001    -16.381      0.000        -0.011    -0.009
 ===============================================================================

我还需要优势比，它由 print np.exp(result.params) 计算，并在 shell 中打印如下:

age_age5064    0.818842
age_age6574    0.774648
sex_female     0.777667
stage_early    0.832098
access         0.989859
dtype: float64

我需要的是将这些每个都以非常长的行形式写入 csv 文件(我不确定，在这一点上，我是否需要像 Log-Likelihood 这样的东西, 但为了彻底起见将其包括在内):

`Log-Likelihood, age_age5064_coef, age_age5064_std_err, age_age5064_z, age_age5064_p>|z|,...age_age6574_coef, age_age6574_std_err, ......access_coef, access_std_err, ....age_age5064_odds_ratio, age_age6574_odds_ratio, ...sex_female_odds_ratio,.....access_odds_ratio`

我想您已经明白了——一行很长，包含所有这些实际值，以及一个包含所有列名称的标题，格式相似。

我熟悉 Python 中的 csv 模块，并且越来越熟悉 pandas。不确定此信息是否可以格式化并存储在 pandas dataframe 中，然后在完成所有 ~2,900 个逻辑回归模型后使用 to_csv 写入文件；那肯定没问题。此外，在每个模型完成时编写它们也很好(使用 csv 模块)。

更新:

因此，我更多地查看了 statsmodels 站点，特别是试图弄清楚模型的结果是如何存储在类中的。看起来有一个名为“Results”的类，需要使用它。我认为使用此类的继承来创建另一个类，其中一些方法/运算符被更改可能是要走的路，以获得我需要的格式。我在这方面的经验很少，需要花很多时间来弄清楚(这很好)。如果有人可以提供帮助/有更多经验，那就太好了!

这是布置类(class)的站点:statsmodels results class

最佳答案

目前没有预制的参数表及其结果统计。

本质上，您需要自己堆叠所有结果，无论是在列表、numpy 数组还是 pandas DataFrame 中，都取决于您更方便的方式。

例如，如果我想要一个包含模型结果的 numpy 数组，llf 和摘要参数表中的结果，那么我可以使用

res_all = []
for res in results:
    low, upp = res.confint().T   # unpack columns 
    res_all.append(numpy.concatenate(([res.llf], res.params, res.tvalues, res.pvalues, 
                   low, upp)))

但根据您跨模型的结构，与 pandas 保持一致可能会更好。

您可以编写一个辅助函数，从结果实例中获取所有结果并将它们连接成一行。

(我不确定按行写入csv最方便的是什么)

编辑:

这是一个将回归结果存储在数据框中的示例

https://github.com/statsmodels/statsmodels/blob/master/statsmodels/sandbox/multilinear.py#L21

循环在第 159 行。

summary() 和 statsmodels 之外的类似代码，例如 http://johnbeieler.org/py_apsrtable/用于组合多个结果，面向打印而不是存储变量。

关于Python 2.7 - statsmodels - 格式化和编写摘要输出，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16705598/