我尝试在Python中使用rpy2（Python的R语言接口）调用R的mass.polr函数来执行有序逻辑回归，但是当预测值中有一些共线或几乎共线的列时，我遇到了麻烦：polr在拟合过程中会自动丢弃其中的一些列，这会在我尝试对训练数据进行预测时导致错误。
下面是一个最小的例子：
from rpy2.robjects import r, pandas2ri
from rpy2.robjects.packages import importr
pandas2ri.activate()
mass = importr("MASS")
# dataframe with two collinear predictors (x1 and x2)
df = pd.DataFrame(columns = ['target', 'x1', 'x2', 'x3'],
data = [[ 0 , 0 , 0 , 1 ],
[ 1 , 1 , 1 , 0 ],
[ 2 , 1 , 1 , 1 ]])
model = mass.polr('as.factor(target) ~ .', df, Hess = True) # gives warning below
'''
Warning message:
In polr(as.factor(target) ~ ., data = df, Hess = TRUE) :
design appears to be rank-deficient, so dropping some coefs
'''
r.predict(model, df, type = "class").__array__() # gives error below
'''
Error in X %*% object$coefficients : non-conformable arguments
'''同样的错误实际上也发生在R中，但至少可以通过查看summary(model)来查看哪些列被丢弃了。
相反，在Python中，r.summary(model).rx2('coefficients')（应该显示与R中summary(model)相同的输出）不显示系数名称，而只显示裸值：
array([[4.57292582e+01, 8.25605929e+02, 5.53887231e-02],
[2.11604944e+01, 2.85721885e+02, 7.40597606e-02],
[3.19476895e+01, 3.60605165e+02, 8.85946531e-02],
[5.66312792e+01, 8.93862000e+02, 6.33557296e-02]])有没有人知道在Python中检索系数名称的方法？或者有没有其他的变通方法？
2条答案
按热度按时间31moq8wy1#
即使没有
pandas2ri.activate()，从r.summary(model).rx2('coefficients')返回的FloatMatrix也不包含变量名。但是，我们可以使用R的dimnames函数提取这些变量名。完整示例如下：返回
['x1', 'x3', '0|1', '1|2']，显示x2已删除。或者，可以使用
r.print(r.summary(model))打印完整模型输出hl0ma9xz2#
r.summary(model).rx2('coefficients')返回一个没有名称的对象，因为您在该脚本前面（第pandas2ri.activate()行）请求将R对象转换为pandas（并且隐式地转换为numpy）。Numpy数组没有命名元素。不再建议使用
activate。请考虑在上下文中使用本地转换器（例如文档中的pandas：https://rpy2.github.io/doc/v3.3.x/html/generated_rst/pandas.html）。