如何在Rpy2中使用熊猫数据框和numpy数组？

Question

我想使用熊猫进行所有分析，并使用numpy，但使用Rpy2绘制数据。我想用熊猫数据框做所有的分析，然后用rpy2绘制完整的R来绘制这些图。 py2，并使用ipython来绘图。什么是正确的方法来做到这一点？

几乎所有我尝试的命令都失败了。例如：

• 我想绘制一个熊猫DataFrame的两列之间的分散点df。我希望df的标签在x/y轴上使用，就像使用R数据框一样。有没有办法做到这一点？当我试着使用r.plot做到这一点，我得到这个杂乱的情节：

In: r.plot(df.a, df.b) # df is pandas DataFrame

产量：

Out: rpy2.rinterface.NULL

导致剧情：

就像你c一看，轴标签被搞乱了，它并不像它应该那样从DataFrame读取轴标签（X轴是a的列df，而Y轴是列b）。

• 如果我努力使与r.hist直方图，它不会在所有的工作，产生了错误：

  In: r.hist(df.a) 
  Out: 
  ... 
  vectors.pyc in <genexpr>((x,)) 
      293   if l < 7: 
      294    s = '[' + \ 
  --> 295     ', '.join((p_str(x, max_width = math.floor(52/l)) for x in self[ : 8])) +\ 
      296     ']' 
      297   else: 
  
  vectors.pyc in p_str(x, max_width) 
      287      res = x 
      288     else: 
  --> 289      res = "%s..." % (str(x[ : (max_width - 3)])) 
      290    return res 
      291 
  
  TypeError: slice indices must be integers or None or have an __index__ method 
  

，并导致该地块：

任何想法错误是什么意思？再一次，这些轴都乱成一团，乱七八糟的乱七八糟的数据。

编辑：仅当使用ipython时才会发生此错误。当我从脚本运行命令时，它仍会产生有问题的情节，但至少运行时没有错误。从ipython中调用这些命令肯定有问题。

• 我也试图大熊猫数据帧df转换的R数据框所推荐的下面的海报，但这个错误也失败：

  com.convert_to_r_dataframe(mydf) # mydf is a pandas DataFrame 
  ----> 1 com.convert_to_r_dataframe(mydf) 
  in convert_to_r_dataframe(df, strings_as_factors) 
      275  # FIXME: This doesn't handle MultiIndex 
      276 
  --> 277  for column in df: 
      278   value = df[column] 
      279   value_type = value.dtype.type 
  
  TypeError: iteration over non-sequence 
  

我怎样才能得到这些在Pandas DataFrame上工作的基本绘图功能（从Pandas DataFrame的标签中读取绘图标签），并且还可以在Pandas DF到R DF之间进行转换，以便正常工作？

EDIT2：下面是一个csv文件“test”的完整示例。TXT”（http://pastebin.ca/2311928）和我的代码来回答@戴尔的评论：

import rpy2 
from rpy2.robjects import r 
import rpy2.robjects.numpy2ri 
import pandas.rpy.common as com 
from rpy2.robjects.packages import importr 
from rpy2.robjects.lib import grid 
from rpy2.robjects.lib import ggplot2 
rpy2.robjects.numpy2ri.activate() 
from numpy import * 
import scipy 

# load up pandas df 
import pandas 
data = pandas.read_table("./test.txt") 
# plotting a column fails 
print "data.c2: ", data.c2 
r.plot(data.c2) 
# Conversion and then plotting also fails 
r_df = com.convert_to_r_dataframe(data) 
r.plot(r_df) 

调用绘制的列‘data.c2’失败，即使data.c2是大熊猫DF的一列，因此对于所有意图和目的应该是一个numpy的数组。我用的是activate()电话，所以我想它会处理这列作为numpy的阵列和绘制。

第二次调用转换后绘制数据框data的R数据框也为什么会这样？如果我从R加载test.txt作为数据框，我能够plot()它，并且由于我的数据帧已从熊猫转换为R，它看起来就像它也应该在这里工作。

当我在ipython中尝试rmagic时，由于某种原因它不会启动绘图窗口，尽管它没有错误。即如果我这样做：

In [12]: X = np.array([0,1,2,3,4]) 

In [13]: Y = np.array([3,5,4,6,7]) 
In [14]: import rpy2 

In [15]: from rpy2.robjects import r 

In [16]: import rpy2.robjects.numpy2ri 

In [17]: import pandas.rpy.common as com 

In [18]: from rpy2.robjects.packages import importr 

In [19]: from rpy2.robjects.lib import grid 

In [20]: from rpy2.robjects.lib import ggplot2 


In [21]: rpy2.robjects.numpy2ri.activate() 

In [22]: from numpy import * 

In [23]: import scipy 

In [24]: r.assign("x", X) 
Out[24]: 
<Array - Python:0x592ad88/R:0x6110850> 
[  0,  1,  2,  3,  4] 

In [25]: r.assign("y", Y) 
<Array - Python:0x592f5f0/R:0x61109b8> 
[  3,  5,  4,  6,  7] 

In [27]: %R plot(x,y) 

没有错误，但没有图窗口。无论如何，我想坚持使用rpy2，如果可能的话，不要依赖rmagic。

谢谢。

Answer 1

[注：您在 “编辑2” 的代码在这里工作（Python 2.7版，rpy2-2.3.2，R-1.15.2）。]

由于@dale只要R对象是匿名的（即对象不存在R符号），R deparse(substitute())将最终返回R对象的structure()，并且可能的解决方法是指定“xlab”和“ylab”参数;对于一些情节，你还必须指定main（标题）。

解决该问题的另一种方法是使用R的公式并输入数据框（在我们计算出转换部分后，更多地在下面）。

忘记pandas.rpy是什么。它已经被破解，似乎忽略了rpy2中可用的功能。

较早的quick fix to conversion with ipython可以很容易地变成正确的转换。我正在考虑在rpy2代码库中添加一个（带有更多的花里胡哨），但同时在代码示例中的所有导入之后添加下面的代码片段。无论何时进行R调用，它都会将熊猫的DataFrame对象透明地转换为rpy2的DataFrame。现在

from collections import OrderedDict 
py2ri_orig = rpy2.robjects.conversion.py2ri 
def conversion_pydataframe(obj): 
    if isinstance(obj, pandas.core.frame.DataFrame): 
     od = OrderedDict() 
     for name, values in obj.iteritems(): 
      if values.dtype.kind == 'O': 
       od[name] = rpy2.robjects.vectors.StrVector(values) 
      else: 
       od[name] = rpy2.robjects.conversion.py2ri(values) 
     return rpy2.robjects.vectors.DataFrame(od) 
    elif isinstance(obj, pandas.core.series.Series): 
     # converted as a numpy array 
     res = py2ri_orig(obj) 
     # "index" is equivalent to "names" in R 
     if obj.ndim == 1: 
      res.names = ListVector({'x': ro.conversion.py2ri(obj.index)}) 
     else: 
      res.dimnames = ListVector(ro.conversion.py2ri(obj.index)) 
     return res 
    else: 
     return py2ri_orig(obj) 
rpy2.robjects.conversion.py2ri = conversion_pydataframe 

下面的代码将 “只是工作”：

r.plot(rpy2.robjects.Formula('c3~c2'), data) 
# `data` was converted to an rpy2 data.frame on the fly 
# and the a scatter plot c3 vs c2 (with "c2" and "c3" the labels on 
# the "x" axis and "y" axis). 

我也注意到，您正在导入ggplot2，不使用它。目前转换 将不得不明确要求。例如：

p = ggplot2.ggplot(rpy2.robjects.conversion.py2ri(data)) +\ 
    ggplot2.geom_histogram(ggplot2.aes_string(x = 'c3')) 
p.plot() 

Answer 2

使用rpy。转换是大熊猫的一部分，所以你不需要做yoursef http://pandas.pydata.org/pandas-docs/dev/r_interface.html

In [1217]: from pandas import DataFrame 

In [1218]: df = DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C':[7,8,9]}, 
    ......:    index=["one", "two", "three"]) 
    ......: 

In [1219]: r_dataframe = com.convert_to_r_dataframe(df) 

In [1220]: print type(r_dataframe) 
<class 'rpy2.robjects.vectors.DataFrame'> 

Answer 3

调用r.plot功能时，您需要在标签传递明确。

r.plot([1,2,3],[1,2,3], xlab="X", ylab="Y") 

当R中的情节时，它将通过deparse(substitute(x))基本上抓住从plot(testX, testY)变量名称的标签。当你在Python对象通过rpy2传递，它是一个匿名[R对象，类似于R中的以下内容：

> deparse(substitute(c(1,2,3))) 
[1] "c(1, 2, 3)" 

这就是为什么你得到了疯狂的标签。

很多时候使用rpy2到只有来回推送数据更为安全。

r.assign('testX', df.A) 
r.assign('testY', df.B) 
%R plot(testX, testY) 

rdf = com.convert_to_r_dataframe(df) 
r.assign('bob', rdf) 
%R plot(bob$$A, bob$$B) 

http://nbviewer.ipython.org/4734581/