使用pandas数据框进行线性回归的推荐方法(如果有)是什么?我可以做到,但是我的方法似乎很复杂。我会使事情变得不必要地复杂吗?
R代码,用于比较:
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
现在,我的python(2.7.10),rpy2(2.6.0)和pandas(0.16.1)
版:
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
顺便说一句,我确实在导入
pandas.rpy.common
时获得了FutureWarning。但是,当我尝试使用pandas2ri.py2ri(dataframe)
将数据帧从 Pandas 转换为R时(如上所述here),我得到了NotImplementedError: Conversion 'py2ri' not defined for objects of type '<class 'pandas.core.series.Series'>'
最佳答案
R和Python并不完全相同,因为您是在Python / rpy2中构建数据框架,而在R中使用 vector (无数据框架)。
否则,带有rpy2
的转换似乎在这里起作用:
from rpy2.robjects import pandas2ri
pandas2ri.activate()
robjects.globalenv['dataframe'] = dataframe
M = stats.lm('y~x', data=base.as_symbol('dataframe'))
结果:
>>> 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
关于r - 使用pandas数据框进行rpy2回归的最小示例,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30922213/