import numpy as np
import pandas as pd
import patsy
--------------------------------------------------------------------------------
下面的代码就是给 data变换，没有实际应用变换后的数据，不知道目的是什么
看一下怎么变换即可。

data = pd.DataFrame({
    'x0':[1,2,3,4,5],
    'x1':[0.01, -0.01, 0.25, -4.1, 0.0],
    'y' :[-1.5, 0, 3.6, 1.3, -2]
})
--------------------------------------------------------------------------------
data.columns    # 获取表头 Index(['x0', 'x1', 'y'], dtype='object')
--------------------------------------------------------------------------------
data.values     # 返回数据的数组。模型就是在这个基础上建立
--------------------------------------------------------------------------------
# 使用原数据数组 + 新表头组成新的 DF 数
df2 = pd.DataFrame(data.values, columns=['c1', 'c2', 'c3'])  
--------------------------------------------------------------------------------
df3 = data.copy()   # copy 得到新的 DF 
--------------------------------------------------------------------------------
df3['strings'] = ['a', 'b', 'c', 'd', 'e']   # 添加新的一列， 列名 'strings'
--------------------------------------------------------------------------------
df3.loc[:, 'x0':'y']   # df3 现在有一行非数值的列，也就是麻烦数据，挑出想要的数据
--------------------------------------------------------------------------------
data.loc[:, 'x0':'x1'].values  # 挑出想要分析的列，变成数组方便分析
--------------------------------------------------------------------------------
data['category'] = pd.Categorical(['a', 'b', 'a', 'a', 'b'], categories=['a', 'b'])
data 输出：
  x0   x1	     y	   category
0	1	  0.01	  -1.5	    a
1	2	  -0.01	  0.0	      b
2	3	  0.25	  3.6	      a
3	4	  -4.10	  1.3	      a
4	5	  0.00	  -2.0	    b

现在 catgory 这一列也是麻烦列，但是又不能删除，因为它代表着数据的分组类型。
这时可以提取特征向量，
dummies = pd.get_dummies(data.category)
dummies 输出：输出的内容是 特征值 a, b在 data['category'] 上的特征向量，丢弃a,b 这样的字符串，保留关系即可
	a	b
0	1	0
1	0	1
2	1	0
3	1	0
4	0	1

dummies = pd.get_dummies(data.category, prefix='category')
上面得到的 dummies 的列名就是 特征值的名字，可以改，比如加一个前缀
输出
  category_a	category_b
0	   1	          0
1	   0	          1
2	   1	          0
3	   1	          0
4	   0	          1

这时就能把 data 中的麻烦列 category 删除了，因为现在已经有了特征向量。把特征向量拼接上

data.drop('category', axis=1).join(dummies)
输出：
x0	x1	y	category_a	category_b
0	1	0.01	-1.5	   1	  0
1	2	-0.01	0.0	     0	  1
2	3	0.25	3.6	     1	  0
3	4	-4.10	1.3      1	  0
4	5	0.00	-2.0	   0	  1

展示了使用 category 提取特征值的过程
================================================================================
用Patsy创建模型描述， 需要包  import patsy
--------------------------------------------------------------------------------
Patsy是Python的一个库，使用简短的字符串“公式语法”描述统计模型
Patsy的公式是一个特殊的字符串语法：   y ~ x0 + x1
a+b不是将a与b相加的意思，而是为模型创建的设计矩阵
patsy.dmatrices函数接收一个公式字符串和一个数据集（可以是DataFrame或数组的字典），
为线性模型创建设计矩阵
--------------------------------------------------------------------------------
data = pd.DataFrame({
    'x0':[1,2,3,4,5],
    'x1':[0.01, -0.01, 0.25, -4.1, 0.0],
    'y' :[-1.5, 0, 3.6, 1.3, -2]
})
data 输出：
	x0	x1	y
0	1	0.01	-1.5
1	2	-0.01	0.0
2	3	0.25	3.6
3	4	-4.10	1.3
4	5	0.00	-2.0
计算 ax + by = c 方程组的拟合曲线
a 是 x0 列， b 是 x1 列， c 是 y 列 的矩阵。
现在 两个变量，有5个方程，如果5个方程组成的矩阵的秩大于2，表明无解。只能
计算拟合曲线，也就是尽可能让方程组成立的近似解。
--------------------------------------------------------------------------------
y, X = patsy.dmatrices('y ~ x0 + x1', data)

y 输出：
DesignMatrix with shape (5, 1)
     y
  -1.5
   0.0
   3.6
   1.3
  -2.0
  Terms:
    'y' (column 0)
    
x 输出：
DesignMatrix with shape (5, 3)
  Intercept  x0     x1
          1   1   0.01
          1   2  -0.01
          1   3   0.25
          1   4  -4.10
          1   5   0.00
  Terms:
    'Intercept' (column 0)
    'x0' (column 1)
    'x1' (column 2)
--------------------------------------------------------------------------------
把 x y 转成数组的形式
np.asarray(y)
np.asarray(x)
x 转成数组输出：
array([[ 1.  ,  1.  ,  0.01],
       [ 1.  ,  2.  , -0.01],
       [ 1.  ,  3.  ,  0.25],
       [ 1.  ,  4.  , -4.1 ],
       [ 1.  ,  5.  ,  0.  ]])
x 输出中有一个 Intercept， 值都是1，
你可能想Intercept是哪里来的。这是线性模型（比如普通最小二乘回归）的惯例用
法。添加 +0 到模型可以不显示intercept：
y, X = patsy.dmatrices('y ~ x0 + x1+0', data)
如果不去掉，他把 这列也当成一列进行计算
相当于计算 ax + by + cz = y 的拟合了
--------------------------------------------------------------------------------
coef, resid, _, _ = np.linalg.lstsq(X, y)

coef 输出： 去掉了 Intercept， 得到的结果
array([[ 0.00925424],
       [-0.25485421]])
       
也就是  0.00925424 x0 + -0.25485421 x1 = y 是最合适的近似解。最小二乘法计算获取 

coef = pd.Series(coef.squeeze(), index=X.design_info.column_names)
coef 输出： 美化输出
x0    0.009254
x1   -0.254854
dtype: float64
--------------------------------------------------------------------------------
用Patsy公式进行数据转换
--------------------------------------------------------------------------------
# 已经看不懂了
y, X = patsy.dmatrices('y ~ x0 + np.log(np.abs(x1) + 1)', data)
y, X = patsy.dmatrices('y ~ standardize(x0) + center(x1)', data)
y, X = patsy.dmatrices('y ~ I(x0 + x1)', data)
--------------------------------------------------------------------------------
分类数据和Patsy
================================================================================
statsmodels介绍
--------------------------------------------------------------------------------
import statsmodels.api as sm
import statsmodels.formula.api as smf
================================================================================
scikit-learn介绍：略
--------------------------------------------------------------------------------

>> 目录 <<