Minimales Beispiel für die rpy2-Regression mit Pandas-Datenrahmen

Question

Was ist die empfohlene Methode (falls vorhanden) für die lineare Regression mit einem Pandas-Datenrahmen? Ich kann es, aber meine Methode scheint sehr aufwendig. Mache ich Dinge unnötig kompliziert?

Der Code R, zum Vergleich:

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 

Nun, mein Python (2.7.10), rpy2 (2.6.0) und Pandas (0.16.1) Version:

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 

Übrigens, ich bekomme ein FutureWarning über den Import von pandas.rpy.common. Allerdings, wenn ich die pandas2ri.py2ri(dataframe) versucht, einen Datenrahmen von Pandas R zu umwandeln (wie here erwähnt), erhalte ich

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

Answer 1

Die R und Python sind nicht genau identisch, weil Sie einen Datenrahmen in Python/rpy2 während Sie bauen verwenden Vektoren (ohne Datenrahmen) in R.

Andernfalls wird die Umwandlung Versand mit rpy2 hier arbeiten zu werden:

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

das Ergebnis:

>>> 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 

Answer 2

Nach dem Aufruf pandas2ri.activate() passieren einige Konvertierungen von Pandas-Objekten zu R-Objekten automatisch. Zum Beispiel können Sie

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

statt

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')) 

ergibt

  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 

Answer 3

verwende ich zu unutbu's answer durch umreißt hinzufügen können, wie bestimmte Elemente der abrufen Koeffiziententabelle includin g, entscheidend, die p -Werte.

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) 

Dies lässt uns mit einem Datenrahmen, die wir in gewohnter Weise zugreifen können:

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