脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python统计建模

Python进行统计建模

 更新时间：2020年08月10日 14:16:54   作者：刘早起  
这篇文章主要介绍了Python进行统计建模的方法，帮助大家更好的理解和学习Python，感兴趣的朋友可以了解下

前言

大家好，在之前的文章中我们已经讲解了很多Python数据处理的方法比如读取数据、缺失值处理、数据降维等，也介绍了一些数据可视化的方法如Matplotlib、pyecharts等，那么在掌握了这些基础技能之后，要进行更深入的分析就需要掌握一些常用的建模方法，本文将讲解如何利用Python进行统计分析。和之前的文章类似，本文只讲如何用代码实现，不做理论推导与过多的结果解释(事实上常用的模型可以很轻松的查到完美的推导与解析)。因此读者需要掌握一些基本的统计模型比如回归模型、时间序列等。

Statsmodels简介

在Python 中统计建模分析最常用的就是Statsmodels模块。Statsmodels是一个主要用来进行统计计算与统计建模的Python库。主要有以下功能：

  • 探索性分析：包含列联表、链式方程多重插补等探索性数据分析方法以及与统计模型结果的可视化图表，例如拟合图、箱线图、相关图、时间序列图等
  • 回归模型：线性回归模型、非线性回归模型、广义线性模型、线性混合效应模型等
  • 其他功能：方差分析、时间序列分析等模型的参数估计与估计参数的假设检验等

安装 brew install Statsmodels
文档 github.com/statsmodels/statsmodels

线性回归模型：普通最小二乘估计

线性模型有普通最小二乘(OLS)广义最小二乘(GLS)、加权最小二乘(WLS)等，Statsmodels对线性模型有较好的支持，来看个最简单的例子：普通最小二乘(OLS)

首先导入相关包

%matplotlib inline
import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt
from statsmodels.sandbox.regression.predstd import wls_prediction_std
np.random.seed(9876789)

然后创建数据，先设置样本量为100

nsample = 100 #样本数量

然后设置x1和x2，x1是0到10等差排列，x2是x1的平方

x = np.linspace(0, 10, 100)
X = np.column_stack((x, x**2))

再设置beta、误差项与响应变量y

beta = np.array([1, 0.1, 10])
e = np.random.normal(size=nsample)
X = sm.add_constant(X)
y = np.dot(X, beta) + e

接着建立回归模型

model = sm.OLS(y, X) 
results = model.fit()
print(results.summary())

查看模型结果

是不是和R语言输出的结果形式很接近？回归系数值、P-value、R-squared等评估回归模型的参数值全部都有，还可以使用dir(results)获得全部变量的值并调取出来

print('Parameters: ', results.params)
print('R2: ', results.rsquared)

那么回归模型的就是y=1.3423-0.0402x1+10.0103x2，当然这个模型可以继续优化那么就交给读者完成。接下来我们来绘制一下样本点与回归曲线

y_fitted = results.fittedvalues
fig, ax = plt.subplots(figsize=(8,6))
ax.plot(x, y, 'o', label='data')
ax.plot(x, y_fitted, 'r--.',label='OLS')
ax.legend(loc='best')

时间序列：ARMA

关于时间序列的模型有很多，我们选择ARMA模型示例，首先导入相关包并生成数据

%matplotlib inline
import numpy as np
import statsmodels.api as sm
import pandas as pd
from statsmodels.tsa.arima_process import arma_generate_sample
np.random.seed(12345)

arparams = np.array([.75, -.25])
maparams = np.array([.65, .35])

arparams = np.r_[1, -arparams]
maparams = np.r_[1, maparams]
nobs = 250
y = arma_generate_sample(arparams, maparams, nobs)

接着，我们可以添加一些日期信息。对于本例，我们将使用pandas时间序列并建立模型

dates = sm.tsa.datetools.dates_from_range('1980m1', length=nobs)
y = pd.Series(y, index=dates)
arma_mod = sm.tsa.ARMA(y, order=(2,2))
arma_res = arma_mod.fit(trend='nc', disp=-1)

最后再做一下预测

import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(10,8))
fig = arma_res.plot_predict(start='1999-06-30', end='2001-05-31', ax=ax)
legend = ax.legend(loc='upper left')

回归诊断：估计回归模型

首先导入相关包

%matplotlib inline
from statsmodels.compat import lzip
import numpy as np
import pandas as pd
import statsmodels.formula.api as smf
import statsmodels.stats.api as sms
import matplotlib.pyplot as plt

然后加载数据

url = 'https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/HistData/Guerry.csv'
dat = pd.read_csv(url)

拟合模型

results = smf.ols('Lottery ~ Literacy + np.log(Pop1831)', data=dat).fit()

查看结果

print(results.summary())

回归诊断：残差的正态性

Jarque-Bera test:

name = ['Jarque-Bera', 'Chi^2 two-tail prob.', 'Skew', 'Kurtosis']
test = sms.jarque_bera(results.resid)
lzip(name, test)
####结果
[('Jarque-Bera', 3.3936080248431666),
('Chi^2 two-tail prob.', 0.1832683123166337),
('Skew', -0.48658034311223375),
('Kurtosis', 3.003417757881633)]

Omni test:

name = ['Chi^2', 'Two-tail probability']
test = sms.omni_normtest(results.resid)
lzip(name, test)
####结果
[('Chi^2', 3.713437811597181), ('Two-tail probability', 0.15618424580304824)]

回归诊断：异方差

Breush-Pagan test:

name = ['Lagrange multiplier statistic', 'p-value',
    'f-value', 'f p-value']
test = sms.het_breuschpagan(results.resid, results.model.exog)
lzip(name, test)
###结果
[('Lagrange multiplier statistic', 4.893213374093957),
('p-value', 0.08658690502352209),
('f-value', 2.503715946256434),
('f p-value', 0.08794028782673029)]
Goldfeld-Quandt test

name = ['F statistic', 'p-value']
test = sms.het_goldfeldquandt(results.resid, results.model.exog)
lzip(name, test)
####结果
[('F statistic', 1.1002422436378152), ('p-value', 0.3820295068692507)]

回归诊断：多重共线性

检查多重共线性可以使用

np.linalg.cond(results.model.exog)

结果是702.1792145490062，说明存在较强多重共线性。

结束语

以上就是Statsmodels的基本功能介绍，如果熟悉R的读者会发现很多命令与R是类似的。最后想多说一句，全文没有出现太多模型的理论知识，因为这些模型的推导过程随便百度一搜都能得到十分详细的优质回答，因此在学会如何用计算机实现之后必须要回过头去理解模型里每一个参数是怎样得到，又有哪些含义才算真正搞定。

以上就是Python进行统计建模的详细内容，更多关于Python统计建模的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

相关文章

  • python格式化字符串实例总结

    python格式化字符串实例总结

    这篇文章主要介绍了python格式化字符串的方法,实例展示了常见的几类Python针对字符串的格式方法,非常实用,需要的朋友可以参考下
    2014-09-09
  • Python启动UDP服务,监听并接收客户端数据方式

    Python启动UDP服务,监听并接收客户端数据方式

    这篇文章主要介绍了Python启动UDP服务,监听并接收客户端数据方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-07-07
  • python numpy中setdiff1d的用法说明

    python numpy中setdiff1d的用法说明

    这篇文章主要介绍了python numpy中setdiff1d的用法说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2021-04-04
  • pytorch hook 钩子函数的用法

    pytorch hook 钩子函数的用法

    这篇文章主要介绍了pytorch hook 钩子函数的用法，Hook 是 PyTorch 中一个十分有用的特性，使用后可以不必改变网络输入输出的结构，方便地获取、改变网络中间层变量的值和梯度，下文详细介绍需要的小伙伴可以参考一下
    2022-03-03
  • Python新手们容易犯的几个错误总结

    Python新手们容易犯的几个错误总结

    python语言里面有一些小的坑，特别容易弄混弄错，初学者若不注意的话，很容易坑进去，下面我给大家深入解析一些这几个坑，希望对初学者有所帮助，需要的朋友可以参考学习，下面来一起看看吧。
    2017-04-04
  • 浅析Python数据处理

    浅析Python数据处理

    本篇文章给大家分享了关于Python数据处理的相关内容以及要点解释，对此知识点有兴趣的朋友可以参考学习下。
    2018-05-05
  • Python 多线程爬取案例

    Python 多线程爬取案例

    这篇文章主要介绍了Python 多线程爬取案例，爬虫属于I/O密集型的程序，所以使用多线程可以大大提高爬取效率，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下
    2022-08-08
  • Django之form组件自动校验数据实现

    Django之form组件自动校验数据实现

    这篇文章主要介绍了Django之form组件自动校验数据实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-01-01
  • 从零学Python之hello world

    从零学Python之hello world

    从今天开始讲陆续发布一系列python基础教程，让新手更快更好的入门。
    2014-05-05
  • 详解Python的字符串格式化

    详解Python的字符串格式化

    这篇文章主要介绍了Python的字符串格式化,python的format函数怎么用，这篇文章向大家介绍format函数用法,需要的朋友可以参考下
    2023-04-04

最新评论