在python中提供TypeError的statmodels

Question

我正在尝试将一组特征拟合到statsmodel的OLS线性回归模型中。

我一次添加几个功能。有了前两个特性，它工作得很好。但当我不断添加新功能时，它会给我一个错误。

Traceback (most recent call last):
  File "read_xml.py", line 337, in <module>
    model = sm.OLS(Y, X).fit()
...
  File "D:\pythonprojects\testproj\test_env\lib\site-packages\statsmodels\base\data.py", line 132, in _handle_constant
    if not np.isfinite(ptp_).all():
TypeError: ufunc 'isfinite' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

因此，我使用以下命令更改了输入类型

X = X.astype(float)

然后弹出一个不同的错误。

Traceback (most recent call last):
  File "read_xml.py", line 339, in <module>
    print(model.summary())
...
File "D:\pythonprojects\testproj\test_env\lib\site-packages\scipy\stats\_distn_infrastructure.py", line 1824, in sf
    place(output, (1-cond0)+np.isnan(x), self.badvalue)
TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

我的代码如下所示。

new_df0 = pd.concat([df_lex[0], summary_df[0]], axis = 0, join = 'inner')
new_df1 = pd.concat([df_lex[1], summary_df[1]], axis = 0, join = 'inner')
data = pd.concat([new_df0, new_df1], axis = 1)
print(data.shape)
X = data.values[0:6,:]
Y = data.values[6,:]
Y = Y.reshape(1,88)
X = X.T
Y = Y.T
X = X.astype(float)
model = sm.OLS(Y, X).fit()
predictions = model.predict(X)
print(model.summary())

在model = sm.OLS(Y,X).fit()中触发第一个错误在model.summary()中触发第二个错误

但是有了其他一些功能，就没有错误了。

new_df0 = pd.concat([df_len[0], summary_df[0]], axis = 0, join = 'inner')
new_df1 = pd.concat([df_len[1], summary_df[1]], axis = 0, join = 'inner')

data = pd.concat([new_df0, new_df1], axis = 1)
print(data.shape)
X = data.values[0:2,:]
Y = data.values[2,:]
Y = Y.reshape(1,88)
X = X.T
Y = Y.T
X = X.astype(float)
print(X.shape)
print(Y.shape)

model = sm.OLS(Y, X).fit()
predictions = model.predict(X)
print(model.summary())

看起来，当我只有两个功能时，它就可以工作了。但当添加不同的6个功能时，它会给出错误。我主要关心的是理解错误。因为我读过与python中的绘图相关的类似问题。但这是在内置函数中触发的，而不是在我的代码中。任何对调试的建议都是非常感谢的。

Answer 1

Y.astype(float)

成功了。

Answer 2

检查X_opt和y的类型。可能是float64，因为计算的精确度。所以，试一试：

X_opt = X_opt.astype(np.float64)
y = y.astype(np.float64)

我也犯了同样的错误，并以这种方式修复了它。

Answer 3

请使用

model=sm.OLS(df.Y,df.X, missing='drop').fit()

它看起来像是在某个变量中有一个NaN值。缺省情况下，missing为none，这可能是原因。