R的glm函数中cbind()的作用是什么？如何用Python复现？

在R的glm()函数指定二项分布族时，支持两种响应变量输入格式：

• 逐行是单次试验的0/1标签，代表单次试验成功/失败
• 逐行是cbind(成功次数, 失败次数)的两列矩阵，代表该行对应的汇总试验结果，适合分组后的汇总数据
  你这里用到的cbind(normalized_power, 1 - normalized_power)，是把归一化后的功率值作为“比例对应的计数基准”传递给二项回归模型，本质是拟合针对比例值的加权逻辑回归，权重对应每组的试验总量。

你原来的Python代码问题在于只把单变量np作为响应变量输入，没有和R一样同时传入两个端点值，statsmodels的二项GLM完全支持类似R的双列响应变量输入，修正后的代码如下：

import pandas as pd
import math
import statsmodels.api as sm
from statsmodels.genmod.families import Binomial

# 特征构造逻辑和你原有逻辑一致，注意如果要完全对齐R代码，需要按运动员分组取对应运动员的最大功率做归一化，不要直接用全局max
self.pmax = max(self.power_array)
normalized_power = [x / self.pmax for x in self.power_array]
log_time = [math.log(x) for x in self.time_array]
temp_diff = [abs(x - 60) for x in self.temp_array]

# 构造输入数据表
df = pd.DataFrame({
    "np": normalized_power,
    "1-np": [1 - x for x in normalized_power],
    "log_time": log_time,
    "temp_diff": temp_diff
})

# 拟合GLM，endog传入两列的成功/失败数组，默认加截距项和R逻辑一致
endog = df[["np", "1-np"]]
exog = sm.add_constant(df[["log_time", "temp_diff"]])
model = sm.GLM(endog, exog, family=Binomial()).fit()

# 如果你偏好公式写法，也可以用如下语法实现同样效果
# model = sm.glm("I(np, `1-np`) ~ log_time + temp_diff", df, family=Binomial()).fit()

拟合完成后调用model.summary()即可查看和Rsummary(fit)一致的回归结果。

内容的提问来源于stack exchange，提问作者dvr