python和stata哪个难_Python：与Stata（固定效果假人）相比，回归速度较慢

我正在尝试在Python中运行回归，但是这花了很长时间并且停止运行。在Stata中，它可以工作，仅需几秒钟。

这是由于分类列，包括组固定效应。如果没有该变量，Stata和Python的性能将相当相等，对于200,000个观察值，大约需要1秒：

代码库

reg income height Number_children

程式码Python

model = smf.ols(income ~ height + Number_children, data=humans).fit()

添加虚拟对象后，我将Stata代码更改为areg：

areg income height Number_children, absorb(Village)

比没有假人只需要1-2秒。

在Python中：

model = smf.ols(income ~ height + Number_children + Village, data=humans).fit()

哪里：

Name: Village, dtype: category

Categories (3678, object):

等待2分钟后，我停止了回归。有什么想法可以使代码运行，并将速度提高到几乎与Stata一样快吗？问题更多是由变量还是由回归命令引起的？

编辑：

根据Dimitriy的回答，我尝试了所有变量：

例如：

humans["income_gr_m"]= humans["incom