# statsmodels

Задаёт стандарты работы со statsmodels в Python: оформление формул, добавление константы регрессии и воспроизводимые тесты моделей.

- правило · `type=rule` · Cursor · ★ 3580
- Автор: sanjeed5
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/statsmodels.mdc
- Обновлён: 2026-05-19
- HTML: https://affpapa.org/nevibecode/rules/statsmodels

## Что делает

Правило настраивает Cursor на генерацию чистого кода со `statsmodels` в файлах `**/*.py`. Оно требует импортировать библиотеку под псевдонимами `sm` и `smf`, а данные передавать через `pandas.DataFrame`. Это сохраняет имена колонок в отчётах `summary()` и упрощает чтение спецификаций.

В инструкциях закреплены технические требования: обязательное добавление константы через `sm.add_constant` при работе с массивами, аннотация типов через `RegressionResultsWrapper` и docstring в стиле NumPy. При работе с сырыми массивами без `sm.add_constant` модель обучится без свободного коэффициента, что исказит оценки.

Для проверки расчётов правило требует писать тесты с фиксированным `np.random.seed` и сверять параметры через `np.isclose`. Зависимости предлагается изолировать в виртуальном окружении `.venv` и фиксировать в `pyproject.toml`.

## Установка

### Cursor (родная платформа)

**Вручную: положить файлы**
- Файл: `.cursor/rules/statsmodels.mdc` — Во frontmatter: description, globs, alwaysApply

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/rules/statsmodels.md` — Поле paths во frontmatter ограничивает файлы: globs из источника → paths

### Codex

**AGENTS.md**
- Codex читает AGENTS.md: вставьте текст правила туда

### GitHub Copilot

**Вручную: положить файлы**
- Файл: `.github/instructions/statsmodels.instructions.md` — Поле applyTo задаёт, к каким файлам применять: globs из источника → applyTo

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/rules/statsmodels.md`

### Cline

**Вручную: положить файлы**
- Файл: `.clinerules/statsmodels.md`

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/statsmodels.mdc

## Когда брать
- настроить линейную регрессию через формулы `smf.ols` и pandas
- добавить свободный коэффициент в регрессию на массивах через `sm.add_constant`
- типизировать функции обучения с помощью `RegressionResultsWrapper`
- написать воспроизводимый тест коэффициентов регрессии с фиксированным сидом

## Примеры запросов агенту
- Построй OLS-регрессию на pandas DataFrame с формулой через smf.ols и выведи сводку
- Обучи модель sm.OLS на массиве признаков, не забыв добавить свободный коэффициент
- Напиши тест для проверки коэффициентов регрессии с фиксированным сидом через pytest

## Похожие
- [jupyter-notebook](https://affpapa.org/nevibecode/skills/jupyter-notebook.md) — скилл · 5600 установок
- [shap](https://affpapa.org/nevibecode/skills/shap.md) — скилл · 2000 установок
- [data-scientist](https://affpapa.org/nevibecode/skills/data-scientist.md) — скилл · 385 установок
- [statistical-power](https://affpapa.org/nevibecode/skills/statistical-power.md) — скилл · 1300 установок
- [Time Series Analysis](https://affpapa.org/nevibecode/skills/time-series-analysis.md) — скилл · 605 установок
- [cointegration-analysis](https://affpapa.org/nevibecode/skills/cointegration-analysis.md) — скилл · 456 установок

Из того же набора: [sanjeed5/awesome-cursor-rules-mdc](https://affpapa.org/nevibecode/by/sanjeed5/awesome-cursor-rules-mdc.md) — 240 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md