Stata的mkspline命令在Python Numpy/Pandas中的等价实现是什么

你描述的是Stata mkspline 默认生成分段线性样条基变量的逻辑，在Python生态里既可以用统计库现成接口快速实现，也可以用几行Numpy代码手写完全匹配规则，不需要复杂依赖。

方法1：纯Numpy/Pandas手写（零额外依赖，逻辑100%对齐） #

你给出的样例计算规则非常清晰，直接按分段规则映射即可，完全不需要复杂的统计函数：

• 节点序列按Stata命令里的顺序传入即可，样例里的节点是30、40、50，对应生成4个样条变量
• 分段规则：
  • 第一个样条变量：原始值小于第一个节点时取原始值，大于等于第一个节点时固定取第一个节点值
  • 中间的样条变量：原始值小于当前段左节点时取0，落在左右节点之间时取「原始值-左节点值」，大于等于右节点时固定取左右节点的差值
  • 最后一个样条变量：原始值小于最后一个节点时取0，大于等于最后一个节点时取「原始值-最后一个节点值」

对应可直接运行的代码：

import pandas as pd
import numpy as np

# 测试数据，和你给出的Stata测试用例完全一致
df = pd.DataFrame({"v1": [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]})
knots = [30, 40, 50]  # 替换成你自己的节点即可

# 生成第一个样条变量
df["knot1"] = np.minimum(df["v1"], knots[0])
# 生成中间段的样条变量
for idx in range(1, len(knots)):
    seg_length = knots[idx] - knots[idx-1]
    df[f"knot{idx+1}"] = np.minimum(
        np.maximum(df["v1"] - knots[idx-1], 0),
        seg_length
    )
# 生成最后一段的样条变量
df[f"knot{len(knots)+1}"] = np.maximum(df["v1"] - knots[-1], 0)

print(df)

运行后输出的结果和你贴的Stata运行结果完全一致，后续要换节点只需要修改knots列表的内容就行，代码会自动适配生成对应数量的样条变量。

方法2：调用统计库现成接口 #

如果你平时做统计建模常用statsmodels，可以直接用它依赖的patsy库的样条接口，不用自己写分段逻辑：

import pandas as pd
from patsy import dmatrix

df = pd.DataFrame({"v1": [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]})
# 生成线性样条基，degree=1代表线性，指定内部节点为30、40、50
spline_df = dmatrix(
    "bs(v1, knots=[30,40,50], degree=1, include_intercept=False) - 1",
    data=df,
    return_type="dataframe"
)
# 重命名列和Stata输出对齐
spline_df.columns = [f"knot{i+1}" for i in range(spline_df.shape[1])]
df = pd.concat([df, spline_df], axis=1)
print(df)

这个方法的运行结果和手动实现、Stata原始输出完全一致，适合后续要直接把样条变量喂给回归模型的场景。

内容的提问来源于stack exchange，提问作者TravisVOX