rpy2無法使用“ np”包（數據幀轉換錯誤）

Question

我使用的是rpy2 2.3.9版的Mac OS。

我試圖使用'np'R包將內核回歸模型擬合到我的數據中，該模型是從python預處理生成的。 'np'函數的用法與R中的基本lm函數非常相似。然后我很難調用'np'函數，而使用lm函數就可以了。 請參閱以下玩具示例以解決我的問題。 我嘗試了三種回歸模型：'mgcv'軟件包中的lm ， gam和'np'軟件包中的npreg 。 我首先使用從R數據集加載的mtcars數據，然后使用形成為pandas數據幀的隨機生成的數據。

import pandas as pd
import pandas.rpy.common as com
from rpy2.robjects.packages import importr
import rpy2.robjects as ro
import numpy as np

r_ds = importr('datasets')
r_stats = importr('stats')
r_mgcv = importr('mgcv')
r_np = importr('np')

mtcars = r_ds.__rdata__.fetch('mtcars')['mtcars']

這三種回歸方法都適用於mtcars ：

r_stats.lm(ro.Formula('mpg ~ drat + wt'), data=mtcars)
r_mgcv.gam(ro.Formula('mpg ~ s(drat) + wt'), data=mtcars)
r_np.npreg(ro.Formula('mpg ~ drat + wt'), data=mtcars)

然后，我生成一個熊貓數據框並將其轉換為R數據框：

py_df = pd.DataFrame(np.random.randn(100,3), columns=['y', 'x_1', 'x_2'])
r_df = com.convert_to_r_dataframe(py_df)

現在奇怪的事情發生了：

r_stats.lm(ro.Formula('y ~ x_1 + x_2'), data=r_df)
r_mgcv.gam(ro.Formula('y ~ s(x_1) + x_2'), data=r_df)

工作，但是

r_np.npreg(ro.Formula('y ~ x_1 + x_2'), data=r_df)

失敗並顯示錯誤消息

Error in npregbw.default(xdat = xdat, ydat = ydat, bws = bws, ...) : 
'ydat' must be a vector
---------------------------------------------------------------------------
RRuntimeError                             Traceback (most recent call last)
<ipython-input-22-0ec6b4eeaa3b> in <module>()
----> 1 print r_base.summary(r_np.npreg(ro.Formula('y ~ x_1 + x_2'), data=r_df))

/Users/guest/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/rpy2/robjects/functions.pyc in __call__(self, *args, **kwargs)
     84                 v = kwargs.pop(k)
     85                 kwargs[r_k] = v
---> 86         return super(SignatureTranslatedFunction, self).__call__(*args, **kwargs)

/Users/guest/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/rpy2/robjects/functions.pyc in __call__(self, *args, **kwargs)
     33         for k, v in kwargs.iteritems():
     34             new_kwargs[k] = conversion.py2ri(v)
---> 35         res = super(Function, self).__call__(*new_args, **new_kwargs)
     36         res = conversion.ri2py(res)
     37         return res

RRuntimeError: Error in npregbw.default(xdat = xdat, ydat = ydat, bws = bws, ...) : 
  'ydat' must be a vector

Answer 1

正如伊恩（Ian）指出的那樣，問題部分出在從熊貓的DataFrame到rpy2 / R的Dataframe的轉換上（問題的另一部分是從np的npreg() （如您所指出的，其他建模函數也可以正常工作） 。

我們正在努力改善rpy2-2.4.0中的問題，因此請確保您報告了問題（並可能嘗試使用rpy2-2.4.0-dev的最新快照）。

可以通過以下方式獲得更直接（更簡單）的解決方案（使用rpy2-2.3.9和2.4.0-dev，並通過熊貓0.13.0 / R-3.0.2補丁進行了測試）：

# Your pandas DataFrame
py_df = pd.DataFrame(np.random.randn(100,3), columns=['y', 'x_1', 'x_2'])
r_df = com.convert_to_r_dataframe(py_df)

類型為AsIs 。 一種更簡單的查看方式是：

>>> [tuple(x.rclass) for x in r_df]
[('AsIs',), ('AsIs',), ('AsIs',)]

現在我們只想刪除類AsIs ：

for col in r_df:
    col.rclass = None

向量返回其基本類型：

>>> [tuple(x.rclass) for x in r_df]
[('numeric',), ('numeric',), ('numeric',)]

現在，調用正在運行，沒有錯誤：

r_np.npreg(ro.Formula('y ~ x_1 + x_2'), data=r_df)

Answer 2

您的問題是，當您將數據幀傳遞給convert_to_r_dataframe ，它將構成數據幀的每個向量的class屬性設置為“ AsIs”：

In[56]:  R = ro.r

In [57]: R["print"](R.lapply(r_df,R["class"]))
$y
[1] "AsIs"

$x_1
[1] "AsIs"

$x_2
[1] "AsIs"

當您傳遞給的函數期望類為向量類型時。 如果直接在R中創建數據框，請參閱以下內容：

In [58]: R('''r_df2 <- data.frame(y=rnorm(100), x_1=rnorm(100), x_2=rnorm(100))''')

In [59]: R["print"](R.lapply(R["r_df2"],R["class"]))
$y
[1] "numeric"

$x_1
[1] "numeric"

$x_2
[1] "numeric"

如果您確實需要從python傳遞data.frame，則可以這樣更改類：

In [60]: unAsIs = R('''function(x) {
                       class(x) <- "numeric"
                       return(x) 
                       } ''')

In [61]: r_df3 = R["as.data.frame"](R.lapply(r_df, unAsIs))

In [62]: R["print"](R.lapply(r_df3,R["class"]))
$y
[1] "numeric"

$x_1
[1] "numeric"

$x_2
[1] "numeric"

請注意這一點，在現實生活中，向量的類可能會更復雜，以至於僅AsI，或者並非框架中的所有列都應該是數字，可能是字符或因子。

但是，上面的代碼現在可以正常工作（記住要打印或保存結果）：

In[63]: R["print"](r_np.npreg(ro.Formula('y ~ x_1 + x_2'), data=r_df3))

Regression Data: 100 training points, in 2 variable(s)
                    x_1     x_2
Bandwidth(s): 0.6303934 9451331

Kernel Regression Estimator: Local-Constant
Bandwidth Type: Fixed

Continuous Kernel Type: Second-Order Gaussian
No. Continuous Explanatory Vars.: 2