Python和R之间线性回归系数的差异

我试图在 Python中运行一个线性回归,我已经在R中完成了为了找到具有0个系数的变量.我遇到的问题是R中的线性回归返回NAs对于低方差的列,而scikit学习回归返回系数.在R代码中,我发现并保存这些变量,通过将NAs作为输出的线性回归保存变量,但我似乎无法想像出一种在python中模拟这种行为的方式.我正在使用的代码可以在下面找到.

R代码：

a <- c(23,45,546,42,68,15,47)
b <- c(1,2,4,6,34,8)
c <- c(22,33,44,55,66,77,88)
d <- c(1,1,1)
e <- c(1,1.1)
f <- c(1,1.01)
g <- c(1,1.001)

df <- data.frame(a,b,c,d,e,f,g)
var_list = c('b','c','d','e','f','g')

target <- temp_dsin.df$a
reg_data <- cbind(target,df[,var_list])


if (nrow(reg_data) < length(var_list)){
  message(paste0('    WARNING: Data set is rank deficient. Result may be doubtful'))
}
reg_model <- lm(target ~ .,data = reg_data)

print(reg_model$coefficients)

#store the independent variables with 0 coefficients
zero_coef_IndepVars.v <- names(which(is.na(reg_model$coefficients)))

print(zero_coef_IndepVars.v)

Python代码：

import pandas as pd
from sklearn import linear_model

a = [23,47]
b = [1,8]
c = [22,88]
d = [1,1]
e = [1,1.1]
q = [1,1.01]
f = [1,1.001]


df = pd.DataFrame({'a': a,'b': b,'c': c,'d': d,'e': e,'f': q,'g': f})


var_list = ['b','g']

# build linear regression model and test for linear combination
target = df['a']
reg_data = pd.DataFrame()
reg_data['a'] = target
train_cols = df.loc[:,df.columns.str.lower().isin(var_list)]


if reg_data.shape[0] < len(var_list):
    print('    WARNING: Data set is rank deficient. Result may be doubtful')

# Create linear regression object
reg_model = linear_model.LinearRegression()

# Train the model using the training sets
reg_model.fit(train_cols,reg_data['a'])

print(reg_model.coef_)

R的输出：

(Intercept)           b           c           d           e           f           g 
 537.555988   -0.669253   -1.054719          NA -356.715149          NA          NA 

> print(zero_coef_IndepVars.v)
[1] "d" "f" "g"

Python的输出：

b             c   d               e              f            g
[-0.66925301   -1.05471932   0.   -353.1483504   -35.31483504   -3.5314835]

正如你所看到的,列’b’,’c’和’e’的值是接近的,但对于’d’,’f’和’g’来说却是非常不同的.对于这个例子回归,我想要返回[‘d’,’f’,’g’],因为它们的输出是从R的NA.问题是,sklearn线性回归为col’d’返回0,而它返回-35.31为col’f’,-3.531为col’g’.

有没有人知道R如何决定是否返回NA或值/如何将此行为实现到Python版本？知道差异在哪里可能有助于我在Python中实现R行为.我需要python脚本的结果来匹配R输出.