使用 pandas 数据框的 rpy2 回归的最小示例答案

【问题标题】：Minimal example of rpy2 regression using pandas data frame使用 pandas 数据框的 rpy2 回归的最小示例
【发布时间】：2015-09-04 11:54:54
【问题描述】：

使用 pandas 数据框进行线性回归的推荐方法是什么（如果有）？我可以做到，但我的方法似乎很复杂。我是否让事情变得不必要的复杂？

R 代码，用于比较：

x <- c(1,2,3,4,5)
y <- c(2,1,3,5,4)
M <- lm(y~x)
summary(M)$coefficients
            Estimate Std. Error  t value  Pr(>|t|)
(Intercept)      0.6  1.1489125 0.522233 0.6376181
x                0.8  0.3464102 2.309401 0.1040880

现在，我的 python (2.7.10)、rpy2 (2.6.0) 和 pandas (0.16.1) 版本：

import pandas
import pandas.rpy.common as common
from rpy2 import robjects
from rpy2.robjects.packages import importr

base = importr('base')
stats = importr('stats')

dataframe = pandas.DataFrame({'x': [1,2,3,4,5], 
                              'y': [2,1,3,5,4]})

robjects.globalenv['dataframe']\
   = common.convert_to_r_dataframe(dataframe) 

M = stats.lm('y~x', data=base.as_symbol('dataframe'))

print(base.summary(M).rx2('coefficients'))

            Estimate Std. Error  t value  Pr(>|t|)
(Intercept)      0.6  1.1489125 0.522233 0.6376181
x                0.8  0.3464102 2.309401 0.1040880

顺便说一句，我确实收到了关于 pandas.rpy.common 导入的 FutureWarning。但是，当我尝试使用 pandas2ri.py2ri(dataframe) 将数据帧从 pandas 转换为 R 时（如 here 所述），我得到了

NotImplementedError: Conversion 'py2ri' not defined for objects of type '<class 'pandas.core.series.Series'>'

【问题讨论】：

你使用的是什么版本的rpy2？
我已更新我的问题以添加此信息。
我在数据帧转换方面遇到了类似的问题，但我不得不使用非 rpy2 函数。原来你必须在调用pandas2ri.py2ri(dataframe)之前执行pandas2ri.activate()

标签： r pandas rpy2

【解决方案1】：

在调用pandas2ri.activate() 之后，从 Pandas 对象到 R 对象的一些转换会自动发生。例如，您可以使用

M = R.lm('y~x', data=df)

而不是

robjects.globalenv['dataframe'] = dataframe
M = stats.lm('y~x', data=base.as_symbol('dataframe'))

import pandas as pd
from rpy2 import robjects as ro
from rpy2.robjects import pandas2ri
pandas2ri.activate()
R = ro.r

df = pd.DataFrame({'x': [1,2,3,4,5], 
                   'y': [2,1,3,5,4]})

M = R.lm('y~x', data=df)
print(R.summary(M).rx2('coefficients'))

产量

            Estimate Std. Error  t value  Pr(>|t|)
(Intercept)      0.6  1.1489125 0.522233 0.6376181
x                0.8  0.3464102 2.309401 0.1040880

【讨论】：

【解决方案2】：

R 和 Python 并不完全相同，因为您在 Python/rpy2 中构建数据框，而在 R 中使用向量（没有数据框）。

否则，rpy2 的转换运输似乎在这里工作：

from rpy2.robjects import pandas2ri
pandas2ri.activate()
robjects.globalenv['dataframe'] = dataframe
M = stats.lm('y~x', data=base.as_symbol('dataframe'))

结果：

>>> print(base.summary(M).rx2('coefficients'))
            Estimate Std. Error  t value  Pr(>|t|)
(Intercept)      0.6  1.1489125 0.522233 0.6376181
x                0.8  0.3464102 2.309401 0.1040880

【讨论】：

不错。谢谢你。我知道我最初的尝试可能过于复杂。
@l Unutbu 的答案看起来非常直观，因为无需在 R 命名空间中分配 DF 或使用 as_symbol。这种将 pandas DF 直接传递给 r 函数的方法是否像 ununtbu 的示例支持的语法一样，还是会被弃用？我仔细阅读文档并没有得到答案。
@KGS ：我的回答侧重于使数据帧转换不起作用的说法无效。为此，我尽可能保持问题中的代码不变。我不认为@unutbu 的答案很快就会失效：R 的stats::lm 一直接受参数data，我认为它不会轻易改变。

【解决方案3】：

我可以通过概述如何检索系数表的特定元素来添加到unutbu's answer，包括关键的p-值。

def r_matrix_to_data_frame(r_matrix):
    """Convert an R matrix into a Pandas DataFrame"""
    import pandas as pd
    from rpy2.robjects import pandas2ri
    array = pandas2ri.ri2py(r_matrix)
    return pd.DataFrame(array,
                        index=r_matrix.names[0],
                        columns=r_matrix.names[1])

# Let's start from unutbu's line retrieving the coefficients:
coeffs = R.summary(M).rx2('coefficients')
df = r_matrix_to_data_frame(coeffs)

这给我们留下了一个可以正常访问的 DataFrame：

In [179]: df['Pr(>|t|)']
Out[179]:
(Intercept)    0.637618
x              0.104088
Name: Pr(>|t|), dtype: float64

In [181]: df.loc['x', 'Pr(>|t|)']
Out[181]: 0.10408803866182779

【讨论】：