如何解决sm.models中ufunc 'isfinite'输入类型不支持的错误？

这个isfinite类型错误大概率是因为你提到的虚拟变量类型问题——factor/character类型的变量无法被数值计算函数处理，导致模型拟合时出错。给你几个具体的解决步骤：

• 检查并转换虚拟变量类型
  先确认变量类型：用df['你的虚拟变量列名'].dtype查看，如果是object或category，直接转成整数型：

  df['虚拟变量列名'] = df['虚拟变量列名'].astype(int)
  

  如果是多分类的因子变量，建议用独热编码生成整数型虚拟变量，同时避免多重共线性：

  import pandas as pd
  # 生成独热编码，drop_first=True去掉冗余列，dtype=int确保是整数类型
  dummy_vars = pd.get_dummies(df['多分类因子列'], drop_first=True, dtype=int)
  # 合并到原数据框
  df = pd.concat([df, dummy_vars], axis=1)
  # 记得删除原因子列
  df.drop('多分类因子列', axis=1, inplace=True)
  

• 排查其他可能的问题
  除了虚拟变量，还要检查响应变量（泊松回归的因变量）是否是整数型的计数数据，有没有混入字符串、缺失值或者非数值的异常值。可以用df['响应变量列'].describe()或df['响应变量列'].isna().sum()排查。

• 修正手动创建虚拟变量的代码
  如果是手动用条件判断生成虚拟变量，别用字符串'1'/'0'，直接用整数1/0：

  # 错误写法
  df['dummy'] = np.where(df['特征列'] == '某类别', '1', '0')
  # 正确写法
  df['dummy'] = np.where(df['特征列'] == '某类别', 1, 0)
  

内容的提问来源于stack exchange，提问作者doraemon