0

我正在尝试使用 rpy2 让我在 python 中使用一些 r 功能。这是我想做的一个简单的回归。我创建了一个数据框，将其转换为 R 数据框，然后尝试使用 R 的 lm。但是找不到 R 数据框（见下文）。我应该去哪里进行故障排除？

仅供参考，我使用的是 python 2.7.3、rpy2-2.3.2、pandas 版本 '0.10.1' 和 R2.15.3

>>> import rpy2
>>> import pandas as pd
>>> import pandas.rpy.common as com
>>> datframe = pd.DataFrame({'a' : [1, 2, 3], 'b' : [3, 4, 5]})
>>> r_df = com.convert_to_r_dataframe(datframe)
>>> r_df     
(DataFrame - Python:0x32547e8 / R:0x345d640)
[IntVector, IntVector]
  a: (class 'rpy2.robjects.vectors.IntVector')
  (IntVector - Python:0x3254e18 / R:0x345d608)
[       1,        2,        3]
  b: (class 'rpy2.robjects.vectors.IntVector')
  (IntVector - Python:0x3254e60 / R:0x345d5d0)
[       3,        4,        5]
>>> print type(r_df)
(class 'rpy2.robjects.vectors.DataFrame')
>>> from rpy2.robjects import r
>>> r('lmout <- lm(r_df$a ~ r_df$b)')

Error in eval(expr, envir, enclos) : object 'r_df' not found
Traceback (most recent call last):
  File "<pyshell#8>", line 1, in <module>
    r('lmout <- lm(r_df$a ~ r_df$b)')
  File "/usr/local/lib/python2.7/dist-packages/rpy2/robjects/__init__.py", line 236, in __call__
    res = self.eval(p)
  File "/usr/local/lib/python2.7/dist-packages/rpy2/robjects/functions.py", line 86, in __call__
    return super(SignatureTranslatedFunction, self).__call__(*args, **kwargs)
  File "/usr/local/lib/python2.7/dist-packages/rpy2/robjects/functions.py", line 35, in __call__
    res = super(Function, self).__call__(*new_args, **new_kwargs)
RRuntimeError: Error in eval(expr, envir, enclos) : object 'r_df' not found
4

3 回答 3

2

打电话时

r('lmout <- lm(r_df$a ~ r_df$b)')

嵌入式 R 将寻找一个变量r_df，并且在您的代码示例中，R 不会看到这样的变量。

做的时候

r_df = com.convert_to_r_dataframe(datframe)

您正在r_dfPython 端创建变量，但是当实际数据现在在 R 中时，没有与 R 已知的符号（名称）关联。该数据结构保持匿名。（顺便说一句，您可能希望使用 rpy2-2.3.3 附带的 pandas 数据帧的自动转换）。

要在 R 的“全局环境”中创建变量名，请添加：

from rpy2.robjects import globalenv
globalenv['r_df'] = r_df

现在你的lm()电话应该可以工作了。

于 2013-03-06T12:30:04.830 回答
0

试试这个，（虽然不确定哪个标头有魔力....）

import rpy2.robjects as robjects
from rpy2.robjects import DataFrame, Formula
import rpy2.robjects.numpy2ri as npr
import numpy as np
from rpy2.robjects.packages import importr


def my_linear_fit_using_r(X,Y,verbose=True):
   # ## FITTINGS:   RPy implementation ###
   r_correlation = robjects.r('function(x,y) cor.test(x,y)')
   # r_quadfit = robjects.r('function(x,y) lm(y~I(x)+I(x^2))')
   r_linfit = robjects.r('function(x,y) lm(y~x)')
   r_get_r2=robjects.r('function(x) summary(x)$r.squared')
   lin=r_linfit(robjects.FloatVector(X),robjects.FloatVector(Y))
   coef_lin=robjects.r.coef(lin)
   a=coef_lin[0]
   b=coef_lin[1]
   r2=r_get_r2(lin)
   ci=robjects.r.confint(lin) # confidence intervals
   lwr_a=ci[0]
   lwr_b=ci[1]
   upr_a=ci[2]
   upr_b=ci[3]
   if verbose:
      print robjects.r.summary(lin)
      # print robjects.r.summary(quad)
   return (a,b,r2[0],lwr_a,upr_a,lwr_b,upr_b)
于 2013-03-06T12:04:24.477 回答
0

只是一个评论，对于简单的回归，你可以完全在 Python 中完成，使用olsfrom statsmodels：

from statsmodels.formula.api import ols

lmout = ols('a ~ b', datframe).fit()
lmout.summary()
于 2013-03-06T18:16:41.093 回答