运行MixedLM并希望将输出推送到Excel或CSV，请参阅下面的型号代码和输出：
model = smf.mixedlm('y_var ~ gas_prices', dfModel,
groups = dfModel['region'])
mdf = model.fit()
print(mdf.summary())
Mixed Linear Model Regression Results
======================================================================
Model: MixedLM Dependent Variable: yVar
No. Observations: 420 Method: REML
No. Groups: 4 Scale: 45635645671.2271
Min. group size: 105 Likelihood: -5720.8133
Max. group size: 105 Converged: Yes
Mean group size: 105.0
----------------------------------------------------------------------
Coef. Std.Err. z P>|z| [0.025 0.975]
----------------------------------------------------------------------
Intercept 3241461.947 112718.823 28.757 0.000 3020537.112 3462386.781
gas_prices -118128.471 46931.809 -2.517 0.012 -210113.126 -26143.816
xVar2 275.017 165.072 1.666 0.096 -48.518 598.553
groups RE 0.002
======================================================================
我已尝试推送mdf.summary().to_excel但除了使用mdf.summary()创建Pandas DataFrame，然后推送到Excel之外，这也无效。
这里额外的功劳是为Excel中的每个输出创建一个唯一的文件名，这样如果我运行几个模型，它们就不会互相覆盖。
如何将此内容发送到Excel？
答案 0 :(得分：0)
statsmodels有两个用于构建汇总表的基础函数。某些模型使用其中一种模型，某些模型在结果实例中同时具有summary()和summary2()方法。
MixedLM使用summary2作为summary，将基础表构建为pandas DataFrames。
我现在没有混合效果模型，所以这是针对GLM模型的结果实例res1
>>> summ2 = res1.summary2()
>>> len(summ2.tables)
2
>>> type(summ2.tables[1])
pandas.core.frame.DataFrame
>>> type(summ2.tables[0])
pandas.core.frame.DataFrame
这两个表可以与pandas一起使用，如删除的答案中创建excel文件。
summary实现，在MixedLM中不可用，但是大多数其他模型的默认摘要都有as_csv方法，但是它使用与字符串版本相同的精度。 summary版本目前不构建基础DataFrame。
>>> summ = res1.summary()
>>> print(summ.as_csv())
Generalized Linear Model Regression Results
Dep. Variable: ,['y1', 'y2'] , No. Observations: , 303
Model: ,GLM , Df Residuals: , 282
Model Family: ,Binomial , Df Model: , 20
Link Function: ,logit , Scale: , 1.0000
Method: ,IRLS , Log-Likelihood: , -2998.6
Date: ,Sat, 19 May 2018, Deviance: , 4078.8
Time: ,08:42:45 , Pearson chi2: ,4.05e+03
No. Iterations:,5 , Covariance Type: ,nonrobust
, coef , std err , z ,P>|z| , [0.025 , 0.975]
x1 , -0.0168, 0.000, -38.749, 0.000, -0.018, -0.016
x2 , 0.0099, 0.001, 16.505, 0.000, 0.009, 0.011
x3 , -0.0187, 0.001, -25.182, 0.000, -0.020, -0.017
x4 , -0.0142, 0.000, -32.818, 0.000, -0.015, -0.013
x5 , 0.2545, 0.030, 8.498, 0.000, 0.196, 0.313
x6 , 0.2407, 0.057, 4.212, 0.000, 0.129, 0.353
x7 , 0.0804, 0.014, 5.775, 0.000, 0.053, 0.108
x8 , -1.9522, 0.317, -6.162, 0.000, -2.573, -1.331
x9 , -0.3341, 0.061, -5.453, 0.000, -0.454, -0.214
x10 , -0.1690, 0.033, -5.169, 0.000, -0.233, -0.105
x11 , 0.0049, 0.001, 3.921, 0.000, 0.002, 0.007
x12 , -0.0036, 0.000, -15.878, 0.000, -0.004, -0.003
x13 , -0.0141, 0.002, -7.391, 0.000, -0.018, -0.010
x14 , -0.0040, 0.000, -8.450, 0.000, -0.005, -0.003
x15 , -0.0039, 0.001, -4.059, 0.000, -0.006, -0.002
x16 , 0.0917, 0.015, 6.321, 0.000, 0.063, 0.120
x17 , 0.0490, 0.007, 6.574, 0.000, 0.034, 0.064
x18 , 0.0080, 0.001, 5.362, 0.000, 0.005, 0.011
x19 , 0.0002, 2.99e-05, 7.428, 0.000, 0.000, 0.000
x20 , -0.0022, 0.000, -6.445, 0.000, -0.003, -0.002
const, 1.9589, 1.547, 1.266, 0.205, -1.073, 4.990
（欢迎在statsmodels摘要中提取附加选项请求。）