1

我正在准备一个数据集以在程序 rpy（R，它在 Python 中运行）中运行以进行统计分析。它看起来像这样：

data = [[0, 1, 0, 0, 0, 0, 0, 1, 0, 0], [0, 0, 1, 0, 0, 1, 0, 0, 0, 0], 
[0, 1, 1, 0, 0, 0, 0, 0, 0, 1], [1, 0, 0, 0, 1, 0, 0, 0, 0, 1],
[0, 0, 1, 1, , 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 1, 0, 0, 0, 0],
[1, 0, 0, 0, 0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 1, 0, 0, 0, 0], 
[0, 0, 0, 0, 1, 0, 0, 0, 1, 0]]

为了让我使用这些数据，我需要将因变量 (y) 与独立变量 (x) 隔离开来。我需要为每一列创建一个新列表，如下所示：

y = data[:,9]
x1 = data[:,0]
x2 = data[:,1]
x3 = data[:,2]
x4 = data[:,3]
x5 = data[:,4]
x6 = data[:,5]
x7 = data[:,6]
x8 = data[:,7]
x9 = data[:,8]
x10 = data[:,9]

假设我的数据有 67 列。有没有一种方法可以循环遍历所有列并自动创建每一列而无需输入所有列？我不想硬编码最多 67 个数组。

类似这样的东西，但它不起作用：

i=0
for d in data:
    "x%d"%i = data[:,i-1]
    i+=1

这是代码的其余部分：

rpy.set_default_mode(rpy.NO_CONVERSION)
linear_model = rpy.r.lm(rpy.r("y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10"), data = rpy.r.data_frame(x1=x1,x2=x2,x3=x3,x4=x4,x5=x5,x6=x6,x7=x7,x8=x8,x9=x9,x10=x10,y=y))
rpy.set_default_mode(rpy.BASIC_CONVERSION)
print linear_model.as_py()['coefficients']
summary = rpy.r.summary(linear_model)
4

2 回答 2

11

为什么不尝试这样的事情来转置列：

x = []

for d in xrange(0,66):
    x.append(data[:,d])

除非每个项目都有一个单独的数据结构是绝对必要的，尽管我不知道为什么你需要单独的数据结构......

编辑：如果不是这里的东西应该完全按照你描述的方式工作：

for d in xrange(1,68):
    exec 'x%s = data[:,%s]' %(d,d-1)
于 2013-01-14T22:18:05.803 回答
0

当您展示一点 rpy 代码时，我想我可以展示它在 rpy2 中的样子。

# build a DataFrame
from rpy2.robjects.vectors import IntVector
d = dict(('x%i' % (i+1), IntVector(data[:, i]) for i in range(68) if i != 9)
d['y'] = data[:, 9]
from rpy2.robjects.vectors import DataFrame
dataf = DataFrame(d)
del(d) # dictionary no longer needed

# import R's stats package
from rpy2.robjects.packages import importr
stats = importr('stats')

# fit model
dep_var = 'y'
formula = '%s ~ %s ' % (dep_var, '+'.join(x for x in dataf.names if x != dep_var))
linear_model = stats.lm(formula, data = dataf)
于 2013-01-15T09:54:35.410 回答