[英]export objects from R, so they can be imported into a Python script
我不太了解 R,但我有一個用 R 編寫的腳本。 該腳本的作用是基於一個時間序列,它創建一個如下表所示的表。
我設法分析了多個時間序列並將所有表創建為 R 中的對象。 我當然可以將這些單獨寫入 excel 文件,我可以使用 Python 讀取該文件,但這不是很方便,因為我有數百個這樣的表。
這些表對象具有以下 class:
我試圖將它們放入某種字典中,其中每個表在導入 python 后可以單獨調用。 然后我找到了一個可以將對象導出到 RData 的選項。 這很完美,我可以導入 python,但我不知道如何為所有表自動執行此操作。
save(cluster0,cluster1,cluster2, file = "/Users/jerjely/Desktop/burst.RData")
我發現的另一個選擇是保存所有內容,如下所示:
save.image(file = "/Users/jerjely/Desktop/bursts.RData")
但是我無法讀入 python,因為它有無法識別的對象。 我假設是因為 R 中定義的功能。
總而言之,如果有人能告訴我如何將所有表的列表填寫到第一個命令中,我將非常高興。 或者我的另一個想法是是否可以刪除函數和對象,所以我只能導出所需的對象。
任何幫助是極大的贊賞!
非常感謝!
有這個: Loading.RData files into Python和更現代的可能,這個: How to load R's.rdata files into Python?
搜索python 讀取 rdata給了我很多結果。
對於簡單的結構 json 在其他方面很好。
library(jsonlite)
l <- list(
cluster1, cluster2, cluster3
)
cat(
toJSON( l ),
file="/some/file.json"
)
然后改為閱讀。 Python 讀取 json 作為早餐。
我注意到這不會保留列名。 (可能也不是行名):
我沒有你的數據,所以再次抓起可憐的花朵:
l <- rep(list(head(as.matrix(iris[,1:4]))), 3 )
cat( toJSON( l, pretty=T ) )
[
[
[5.1, 3.5, 1.4, 0.2],
[4.9, 3, 1.4, 0.2],
[4.7, 3.2, 1.3, 0.2],
[4.6, 3.1, 1.5, 0.2],
[5, 3.6, 1.4, 0.2],
[5.4, 3.9, 1.7, 0.4]
],
[
[5.1, 3.5, 1.4, 0.2],
[4.9, 3, 1.4, 0.2],
[4.7, 3.2, 1.3, 0.2],
[4.6, 3.1, 1.5, 0.2],
[5, 3.6, 1.4, 0.2],
[5.4, 3.9, 1.7, 0.4]
],
[
[5.1, 3.5, 1.4, 0.2],
[4.9, 3, 1.4, 0.2],
[4.7, 3.2, 1.3, 0.2],
[4.6, 3.1, 1.5, 0.2],
[5, 3.6, 1.4, 0.2],
[5.4, 3.9, 1.7, 0.4]
]
]
現在,如果您將那些 arrays 轉換為 data.frame,您會得到這個結構,在 python 中使用它可能更容易嗎?
l <- rep(list(head(as.data.frame(iris[,1:4]))), 3 )
cat( toJSON( l, pretty=T ) )
變成這樣:
[
[
{
"Sepal.Length": 5.1,
"Sepal.Width": 3.5,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.9,
"Sepal.Width": 3,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.7,
"Sepal.Width": 3.2,
"Petal.Length": 1.3,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.6,
"Sepal.Width": 3.1,
"Petal.Length": 1.5,
"Petal.Width": 0.2
},
{
"Sepal.Length": 5,
"Sepal.Width": 3.6,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 5.4,
"Sepal.Width": 3.9,
"Petal.Length": 1.7,
"Petal.Width": 0.4
}
],
[
{
"Sepal.Length": 5.1,
"Sepal.Width": 3.5,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.9,
"Sepal.Width": 3,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.7,
"Sepal.Width": 3.2,
"Petal.Length": 1.3,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.6,
"Sepal.Width": 3.1,
"Petal.Length": 1.5,
"Petal.Width": 0.2
},
{
"Sepal.Length": 5,
"Sepal.Width": 3.6,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 5.4,
"Sepal.Width": 3.9,
"Petal.Length": 1.7,
"Petal.Width": 0.4
}
],
[
{
"Sepal.Length": 5.1,
"Sepal.Width": 3.5,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.9,
"Sepal.Width": 3,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.7,
"Sepal.Width": 3.2,
"Petal.Length": 1.3,
"Petal.Width": 0.2
},
{
"Sepal.Length": 4.6,
"Sepal.Width": 3.1,
"Petal.Length": 1.5,
"Petal.Width": 0.2
},
{
"Sepal.Length": 5,
"Sepal.Width": 3.6,
"Petal.Length": 1.4,
"Petal.Width": 0.2
},
{
"Sepal.Length": 5.4,
"Sepal.Width": 3.9,
"Petal.Length": 1.7,
"Petal.Width": 0.4
}
]
]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.