我在使用patsy准备分类数据进行回归分析，并希望将列名映射到DesignMatrix中的索引。我尝试使用DesignInfo对象的column_name_indexes属性，但列名已经被修改以反映编码方式。

使用文档中的数据示例：

>>> from patsy import demo_data, dmatrix>>> data = demo_data("a", nlevels=3)>>> data{'a': ['a1', 'a2', 'a3', 'a1', 'a2', 'a3']}>>> x = dmatrix("a", data)>>> xDesignMatrix 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_indexesOrderedDict([('Intercept', 0), ('a[T.a2]', 1), ('a[T.a3]', 2)])

我想通过调用以下方式来访问例如'a2'的列索引：

x.design_info.column_name_indexes['a2']

但这当然会返回KeyError: 'a2'。所以我必须自己构造修改后的键才能获得所需的列索引1：

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

有没有一种方法可以通过引用未修改的特征/列名（即'a2'）来访问列索引，而不必构造修改后的键（即'a[T.a2]'）？

回答：

一般来说，像a2这样的分类值与设计矩阵列之间没有一对一的映射。你所谈论的列已经比这更复杂了——它是a2和a1值之间的处理对比——而且事情可以比这更复杂（例如，考虑Helmert或多项式编码）。

如果你知道你想查找变量a的a2相关联的处理对比，那么你可以使用

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，但它应该能工作，考虑到上面提到的普遍问题，我不确定有什么更好的方法。