在 pandas DataFrame 上的 Python 中使用 R lm 函数

Question

我想使用 R 函数 lm 来计算 Python 中的线性回归。我的数据采用 pandas 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)

我想要运行 Python 中的 R 函数 lm:

model = lm(V1~.,data=df2)

用 ~. 调用函数对我来说很重要，因为我的真实数据集很大，我想将所有变量都用作 X 变量。

之后，我想提取一个向量，其列名的系数是 not NA。

我已经阅读了有关 rpy2 包的信息，但我是一个 python 初学者，如果能得到一些帮助会很好。到目前为止我找到的所有示例，只使用一个 X 变量而没有 pandas DataFrame，这对我没有帮助。

谢谢！

Answer 1

这是 pyper 的一个选项。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

返回输出

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"

在 pandas DataFrame 上的 Python 中使用 R lm 函数

Using R lm function in Python on pandas DataFrame

python

r

lm

pandas