有没有办法在python / rpy2中访问R数据框列名？

Question

我有一个R数据框，保存在Database02.Rda中。加载

import rpy2.robjects as robjects
robjects.r.load("Database02.Rda")

工作正常。但是：

print(robjects.r.names("df"))

产量

NULL

另外，作为示例，列214（如果我们从0开始计数，则为213）被命名为REGION。

print(robjects.r.table(robjects.r["df"][213]))

工作正常：

Region 1   Region 2   ...
    9811       3451   ...

但我们也应该能够做到

print(robjects.r.table("df$REGION"))

然而，这会导致

df$REGION 
        1

（它也适用于根本不存在的列名）;也：

print(robjects.r.table(robjects.r["df"]["REGION"]))

给出错误：

TypeError: SexpVector indices must be integers, not str

现在，docs说，名称不能用于python中的子集化。我是否正确地假设在使用python / rpy2加载数据框时，未使用其余数据导入列名？我是否正确地说，访问它们的最简单方法是将它们保存并加载为单独的列表并在python中将字符串映射到列索引号的名称？然而，这似乎不是很通用。有没有办法直接提取列名？

我使用的R，python，rpy2的版本是： R：3.2.2 python：3.5.0 rpy2：2.7.8

Answer 1

执行以下操作时，您将Database02.Rda中的任何对象加载到R的“全局环境”中。

import rpy2.robjects as robjects
robjects.r.load("Database02.Rda")

robjects.globalenv是Environement。您可以使用以下内容列出其内容：

tuple(robjects.globalenv.keys())

现在我理解你的一个对象被称为df。您可以使用以下方式访问它：

df = robjects.globalenv['df']

如果df是列表或数据框，则可以使用以下命令访问其命名元素 rx2（the doc is your friend再次）。要获得名为REGION的名称，请执行：

df.rx2("REGION")

列出容易的列表或数据框中的所有命名元素：

tuple(df.names) 

Answer 2

如果在python中运行R代码，则全局环境答案将不起作用。但感谢@lgautier这个包的创建者/维护者。在R中，经常使用美元符号$。这就是我所学到的：

print(pamk_clusters$pamobject$clusinfo)

将无效，及其等效

print(pamk_clusters[["pamobject"]][["clusinfo"]])

也行不通......但是，经过一些挖掘“男人”

http://rpy2.readthedocs.io/en/version_2.7.x/vector.html#extracting-r-style

通过两个代理rx和rx2授予对R风格提取/子集的访问权限，代表R函数[和[[分别。

这可以按预期工作

print(pamk_clusters.rx2("pamobject").rx2("clusinfo"))

我在论坛中评论过“男人”的清晰度：

https://bitbucket.org/rpy2/rpy2/issues/436/acessing-dataframe-elements-using-rpy2

我在Win7上使用rpy2和ipython。为了帮助其他人挖掘格式，这里有一个似乎有效的设置：

import rpy2
import rpy2.robjects as robjects
import rpy2.robjects.packages as rpackages
from rpy2.robjects.packages import importr

base = importr('base')
utils = importr('utils')
utils.chooseCRANmirror(ind=1)

cluster = importr('cluster')
stats = importr('stats')
#utils.install_packages("fpc")
fpc = importr('fpc')

import pickle
with open ('points', 'rb') as fp:
    points = pickle.load(fp) 
# data above is stored as binary object
# online:  http://www.mshaffer.com/arizona/dissertation/points

import rpy2.robjects.numpy2ri as npr   
npr.activate()

k = robjects.IntVector(range(3, 8))   # r-syntax  3:7   # I expect 5
pamk_clusters = fpc.pamk(points,k)

print( base.summary(pamk_clusters) )
base.print( base.summary(pamk_clusters) )

utils.str(pamk_clusters)

print(pamk_clusters$pamobject$clusinfo)
base.print(pamk_clusters$pamobject$clusinfo)

print(pamk_clusters[["pamobject"]][["clusinfo"]])
print(pamk_clusters.rx2("pamobject").rx2("clusinfo"))

pam_clusters = cluster.pam(points,5)        # much slower
kmeans_clusters = stats.kmeans(points,5)    # much faster

utils.str(kmeans_clusters)

print(kmeans_clusters.rx2("cluster"))

R已经成为统计计算的标准已有近25年的历史，基于四十年前的S - 计算效率非常重要。 https://en.wikipedia.org/wiki/R_(programming_language)

再次@lgautier，感谢您在Python中更容易访问R