[英]Using R lm function in Python on pandas DataFrame
我想使用R函数lm来计算Python 中的线性回归。 我的数据采用熊猫数据框的形式。 像这个小例子:
import numpy as np
import pandas as pd
d2 = {'V1' : pd.Series([1,2,3,1,2,3,1,2,3,3]),
'V2' : pd.Series([2,2,3,1,1,3,3,3,3,2]),
'V3' : pd.Series([1.,2., 3., 1., 2., 3., 1., 1., 2., 2.]),
'V4' : pd.Series([1,2,1,2,1,1,2,2,1,2])}
df2 = pd.DataFrame(d2)
我想在 Python 中运行 R 函数 lm:
model = lm(V1~.,data=df2)
用~调用函数。 对我来说是必不可少的,因为我的真实数据集很大,我想将所有变量用作 X 变量。
之后,我想提取一个列名的向量,其系数不是 NA 。
我读过 rpy2 包,但我更像是一个 python 初学者,一些帮助会很棒。 到目前为止,我找到的所有示例都只使用了一个 X 变量,而没有使用 Pandas DataFrame,这对我没有帮助。
谢谢!
这是pyper
一种选择。 创建连接后将对象分配到R
环境中。 然后在数据集上应用R
函数并使用r.get
获取输出
from pyper import *
r=R(use_pandas=True)
r.assign("rdf2", df2)
r('model <- lm(V1~.,data=rdf2)')
r('nm1 <- names(which(!is.na(coef(model))))[-1]')
out = r.get('nm1')
list(out)
#['V2', 'V3', 'V4']
检查R
端的输出
tmp <- read.csv('tmptest.csv')
model <- lm(V1~.,data= tmp)
nm1 <- names(which(!is.na(coef(model))))[-1]
nm1
#[1] "V2" "V3" "V4"
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.