如何用sklearn StandardScaler处理pandas DataFrame并保留列名？

问题根源 #

1. 列名丢失：StandardScaler.fit_transform()返回的是numpy数组，转成DataFrame时未指定列名，导致原列名Inflation、Homes被替换成0、1。
2. 回归公式错误：你使用的公式1 ~ 0不符合OLS回归语法——既没有指定因变量也没有自变量，statsmodels无法生成有效回归矩阵，最终触发维度相关报错。

解决步骤 #

1. 恢复原始列名 #

将缩放后的数组转回DataFrame时，显式指定columns参数为原始特征列表，就能保留原来的列名：

# 替换原转DataFrame代码
df_scaled = pd.DataFrame(std_scaler.fit_transform(X), columns=num_features)

2. 修正OLS回归公式 #

根据分析需求，明确指定因变量和自变量。比如以Homes为因变量、Inflation为自变量：

• 带截距回归：Homes ~ Inflation
• 不带截距回归：Homes ~ Inflation - 1（或Homes ~ 0 + Inflation）

修正后的完整代码 #

import pandas as pd
from sklearn.preprocessing import StandardScaler
import statsmodels.formula.api as smf

# 读取数据
df = pd.read_excel("C:/Users/ME/OneDrive/Desktop/simple regress.xlsx")
print(df)

# 定义特征并缩放
num_features = ['Inflation', 'Homes']
X = df[num_features]
std_scaler = StandardScaler() 
# 转回DataFrame时保留原始列名
df_scaled = pd.DataFrame(std_scaler.fit_transform(X), columns=num_features)

# 执行OLS回归（示例：Homes为因变量，Inflation为自变量，带截距）
result = smf.ols(formula='Homes ~ Inflation', data=df_scaled).fit()
# 查看回归结果
print(result.summary())

内容的提问来源于stack exchange，提问作者Tony Cardinal