我正准备在程序rpy(R,在Python中运行)中运行数据集以进行统计分析。它看起来像这样:
data = [[0, 1, 0, 0, 0, 0, 0, 1, 0, 0], [0, 0, 1, 0, 0, 1, 0, 0, 0, 0],
[0, 1, 1, 0, 0, 0, 0, 0, 0, 1], [1, 0, 0, 0, 1, 0, 0, 0, 0, 1],
[0, 0, 1, 1, , 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 1, 0, 0, 0, 0],
[1, 0, 0, 0, 0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 1, 0, 0, 0, 0],
[0, 0, 0, 0, 1, 0, 0, 0, 1, 0]]
对于我使用这些数据,我需要将因变量(y)与独立变量(x)隔离开来。我需要为每年的每列创建一个新列表:
y = data[:,9]
x1 = data[:,0]
x2 = data[:,1]
x3 = data[:,2]
x4 = data[:,3]
x5 = data[:,4]
x6 = data[:,5]
x7 = data[:,6]
x8 = data[:,7]
x9 = data[:,8]
x10 = data[:,9]
假设我的数据有67列。有没有办法循环遍历所有列并自动创建每个列而无需键入所有列?我不想硬编码最多67个阵列。
有些事情,但它不起作用:
i=0
for d in data:
"x%d"%i = data[:,i-1]
i+=1
这是代码的其余部分:
rpy.set_default_mode(rpy.NO_CONVERSION)
linear_model = rpy.r.lm(rpy.r("y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10"), data = rpy.r.data_frame(x1=x1,x2=x2,x3=x3,x4=x4,x5=x5,x6=x6,x7=x7,x8=x8,x9=x9,x10=x10,y=y))
rpy.set_default_mode(rpy.BASIC_CONVERSION)
print linear_model.as_py()['coefficients']
summary = rpy.r.summary(linear_model)
答案 0 :(得分:3)
为什么不尝试这样的事情来转置列:
x = []
for d in xrange(0,66):
x.append(data[:,d])
除非每个项目都有单独的数据结构,否则我不知道为什么你需要单独的数据结构......
编辑:如果不是这里的东西应该按照你描述的方式工作:
for d in xrange(1,68):
exec 'x%s = data[:,%s]' %(d,d-1)
答案 1 :(得分:0)
当你展示一些rpy代码时,我想我可以用rpy2来展示它的外观。
# build a DataFrame
from rpy2.robjects.vectors import IntVector
d = dict(('x%i' % (i+1), IntVector(data[:, i]) for i in range(68) if i != 9)
d['y'] = data[:, 9]
from rpy2.robjects.vectors import DataFrame
dataf = DataFrame(d)
del(d) # dictionary no longer needed
# import R's stats package
from rpy2.robjects.packages import importr
stats = importr('stats')
# fit model
dep_var = 'y'
formula = '%s ~ %s ' % (dep_var, '+'.join(x for x in dataf.names if x != dep_var))
linear_model = stats.lm(formula, data = dataf)