将Logistic回归代码应用于多个变量

如何解决将Logistic回归代码应用于多个变量

我有一个看起来像这样的数据库。 Age和Race是分类的，分别标记为0-4和0-3。症状变量（Asymptomatic，Fever，Cough）和Covid_Pos为0/1。我还有6个症状变量，但出于本文的目的，我会将示例数据压缩为3。

ID  Covid_pos  Asymptomatic  Fever  Cough  Age_Group_N  RACE_GROUP_N
0          1             0      1      0     0               3
1          0             0      0      1     1               2
2          1             1      0      1     3               0
3          1             0      1      0     4               0
4          0             1      1      0     4               2
5          1             0      1      0     0               1
6          0             1      1      0     2               2

我想针对每种症状运行以下逻辑回归模型：

    asy_model = smf.logit("Covid_pos ~  Asymptomatic + C(RACE_GROUP_N,Treatment(0))+ C(Age_Group_N,Treatment(0))",data = df_merged2).fit()
    asy_model_odds = pd.DataFrame(np.exp(asy_model.params),columns= ['OR'])
    asy_model_odds['z-value']= asy_model.pvalues
    asy_model_odds[['2.5%','97.5%']] = np.exp(asy_model.conf_int())
    asy_model_odds

这给了我以下输出：

然后我想对该输出进行“代码编辑”，以便以以下格式获取OR（95％CI），并为此编写了以下代码：

asy_model_odds['OR'] = round(asy_model_odds['OR'],2)
asy_model_odds['2.5%'] = round(asy_model_odds['2.5%'],2)
asy_model_odds['97.5%'] = round(asy_model_odds['97.5%'],2)
asy_model_odds["OR 95% CI"]= asy_model_odds['OR'].map(str)+' ('+asy_model_odds['2.5%'].map(str)+','+asy_model_odds['97.5%'].map(str)+')'
asy_model_oddsOR=asy_model_odds["OR 95% CI"]
asy_model_oddsOR

我的问题/疑问陈述：：我希望能够获取我的每个症状变量的OR（95％CI）模型输出，而不必一遍又一遍地编写此代码每个症状（是否需要宏或函数？），例如，模型为：

  fev_model = smf.logit("Covid_pos ~  Fever  + C(RACE_GROUP_N,Treatment(0))"
  cou_model = smf.logit("Covid_pos ~  Cough  + C(RACE_GROUP_N,Treatment(0))"