如何在 Pandas 中生成多个交互项？

Question

我想估计一个 IV 回归模型，使用与年份、人口统计等虚拟变量的许多交互。我在 Pandas 中找不到执行此操作的明确方法，我很好奇是否有人有提示。

我正在考虑尝试 scikit-learn 和这个功能：

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html

Answer 1

您可以使用 sklearn 的 PolynomialFeatures 函数。这是一个例子：

假设，这是您的设计（即特征）矩阵：

x = array([[ 3, 20, 11],
       [ 6,  2,  7],
       [18,  2, 17],
       [11, 12, 19],
       [ 7, 20,  6]])


x_t = PolynomialFeatures(2, interaction_only=True, include_bias=False).fit_transform(x)

结果如下：

array([[   3.,   20.,   11.,   60.,   33.,  220.],
       [   6.,    2.,    7.,   12.,   42.,   14.],
       [  18.,    2.,   17.,   36.,  306.,   34.],
       [  11.,   12.,   19.,  132.,  209.,  228.],
       [   7.,   20.,    6.,  140.,   42.,  120.]])

前三个特征是原始特征，后三个特征是原始特征的相互作用。

Answer 2

我现在遇到了类似的问题，我需要一种灵活的方法来创建特定的交互并查看 Whosebug。我按照 @user333700 上面评论中的提示进行操作，感谢他找到了 patsy (http://patsy.readthedocs.io/en/latest/overview.html) and after a Google search this scikit-learn integration patsylearn (https://github.com/amueller/patsylearn).

所以通过@motam79 的例子，这是可能的：

import numpy as np
import pandas as pd
from patsylearn import PatsyModel, PatsyTransformer
x = np.array([[ 3, 20, 11],
   [ 6,  2,  7],
   [18,  2, 17],
   [11, 12, 19],
   [ 7, 20,  6]])
df = pd.DataFrame(x, columns=["a", "b", "c"])
x_t = PatsyTransformer("a:b + a:c + b:c", return_type="dataframe").fit_transform(df)

这个returns以下：

     a:b    a:c    b:c
0   60.0   33.0  220.0
1   12.0   42.0   14.0
2   36.0  306.0   34.0
3  132.0  209.0  228.0
4  140.0   42.0  120.0

我在这里回答了一个类似的问题，我在这里提供了另一个带有分类变量的例子： How can an interaction design matrix be created from categorical variables?

如何在 Pandas 中生成多个交互项？

How to generate many interaction terms in Pandas?

python

pandas

scikit-learn

statsmodels