如何将按工作日统计的true_or_false列1值计数纳入statsmodels OLS回归模型？

你的问题核心是当前的OLS模型是针对单个样本的true_or_false值（0/1）做回归，但你实际需要的是针对每个工作日的1的总计数来分析工作日的影响。所以第一步需要先对原始数据做聚合统计，再用聚合后的结果构建回归模型。

步骤1：聚合统计每个工作日的1的数量 #

首先，我们需要按weekday分组，统计每个工作日中true_or_false列里1的出现次数。因为true_or_false是0/1数值，直接对该列求和就能得到1的数量：

import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols

# 假设你的原始DataFrame是df
# 按weekday分组，统计1的数量并重置索引
count_df = df.groupby('weekday')['true_or_false'].sum().reset_index(name='count_ones')

# 可选：确保0-6所有工作日都被包含（避免某个工作日无数据时被遗漏）
count_df = count_df.set_index('weekday').reindex(range(7)).fillna(0).reset_index()

这段代码会生成一个新的DataFramecount_df，包含两列：

• weekday：0到6的工作日编号
• count_ones：对应工作日中1的出现次数

步骤2：用聚合数据构建OLS回归 #

现在用count_ones作为因变量，weekday作为自变量（可以保留分类变量形式，和你原来的写法一致）构建回归模型：

# 构建OLS模型并拟合
fit = ols('count_ones ~ C(weekday)', data=count_df).fit()

# 输出回归结果摘要
print(fit.summary())

额外说明 #

1. 分类变量vs连续变量：

   • 你原来用C(weekday)是把工作日当作分类变量，回归结果会给出每个工作日相对于基准类别（默认是weekday=0）的1的数量差异。
   • 如果想把工作日当作连续变量（比如假设工作日从0到6是线性变化的），可以去掉C()，直接用公式count_ones ~ weekday，此时回归系数表示每增加一个工作日编号，1的数量的平均变化量。

2. 如果需要分析比例而非计数：
   如果你关心的是每个工作日中1的占比（而不是绝对数量），可以把sum()换成mean()，得到每个工作日的1的比例，再做回归：

   prop_df = df.groupby('weekday')['true_or_false'].mean().reset_index(name='proportion_ones')
   fit = ols('proportion_ones ~ C(weekday)', data=prop_df).fit()
   

   不过这里要注意，比例数据更适合用广义线性模型（GLM）比如Logit模型，但如果坚持用OLS也是可行的。

内容的提问来源于stack exchange，提问作者JdebMkay