patsy中未修改的列名索引

Question

我使用patsy来准备用于回归的分类数据，并希望从列名映射到DesignMatrix中的索引。我尝试使用column_name_indexes对象的DesignInfo属性，但是列名已经被修改以反映编码。

使用来自文档的数据的示例

>>> 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'a2'的列索引，方法是：

x.design_info.column_name_indexes['a2']

当然，这会返回KeyError: 'a2'。因此，我必须自己构造修改后的键，以获得所需的列索引1。

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

是否有一种方法可以通过引用未修改的特性/列名(即'a2' )来访问列索引，而不是必须构造已修改的键，即'a[T.a2]'

Answer 1

一般来说，在a2和设计矩阵列之间没有一对一的映射.您正在讨论的专栏已经比这更复杂了--这是a2和a1值之间的处理对比--而且事情可能比这更复杂(例如，考虑Helmert或多项式编码)。

如果您知道要查找与变量a2的a关联的治疗对比，则可以使用

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，但它应该有效，我不知道有什么更好的考虑上面提到的一般问题。