Statmodels回归图不适用于pandas数据类型

Question

import numpy as np
import pandas as pd
import statsmodels.api as sm
import statsmodels.graphics as smg
data = pd.DataFrame({'Y': np.random.rand(1000), 'X':np.random.rand(1000)})

这是

smg.regressionplots.plot_fit(sm.OLS(data.Y.values, data.X.values).fit(), 0, y_true=None)

这并不

smg.regressionplots.plot_fit(sm.OLS(data.Y, data.X).fit(), 0, y_true=None)
smg.regressionplots.plot_fit(sm.OLS(data['Y'], data['X']).fit(), 0, y_true=None)

Answer 1

我跟踪了一下，这确实是plot_fit代码中的一个bug。在稳定版本中，您将看到这一行:

prstd, iv_l, iv_u = wls_prediction_std(results)

返回iv_l和iv_u，可能是用于绘制拟合值的标准差的上、下值，作为pandas Series。这将导致随后对ax.fill_between的调用失败。

这似乎已在开发版本https://github.com/statsmodels/statsmodels/blob/master/statsmodels/graphics/regressionplots.py中得到修复。在那里你会发现一个不同的调用:

prstd, iv_l, iv_u = wls_prediction_std(results._results)

iv_l和iv_u现在是numpy数组，如果你这样做，应该不会再有错误了:

smg.regressionplots.plot_fit(sm.OLS(data['Y'], data['X']).fit(), 0, y_true=None)

现在你只需要满足于

smg.regressionplots.plot_fit(sm.OLS(data.Y.values, data.X.values).fit(), 0, y_true=None)

尽管它与通常对标准线性回归的调用并不一致。

Answer 2

错误信息显示正在发生的事情。冷凝:

/usr/lib/pymodules/python2.7/matplotlib/axes.pyc in fill_between(self, x, y1, y2, where, interpolate, **kwargs)
   6542                 start = xslice[0], y2slice[0]
-> 6543                 end = xslice[-1], y2slice[-1]
[...]
/usr/local/lib/python2.7/dist-packages/pandas-0.11.0.dev_fc8de6d-py2.7-linux-i686.egg/pandas/core/index.pyc in get_value(self, series, key)
    725         try:
--> 726             return self._engine.get_value(series, key)
    727         except KeyError, e1:
    728             if len(self) > 0 and self.inferred_type == 'integer':
[...]
KeyError: -1L

data.X和data.Y是Series对象，不能使用[-1]获得最后一个元素。如果可以，那么当索引使用-1作为其元素之一时，您可能会遇到麻烦:您是想要最后一个元素，还是与-1相关的元素?

pandas尊重"面对歧义，拒绝猜测诱惑"的原则，选择不让这个工作，优先考虑标签而不是位置。你得到的是KeyError，而不是IndexError，这暗示了这一点。参见文档中关于使用整数标签进行高级索引的讨论，例如