在rpy2中调用R函数时出现错误-“缺少参数”

Question

我在Python中使用rpy2包时遇到了一些问题。实际上，我试图通过传递一些参数来调用一个名为upliftRF的函数(位于R中的库"uplift“)。正如https://cran.r-project.org/web/packages/uplift/uplift.pdf的第27页所述，函数的参数之一可以是x，也可以是描述基于数据帧(参数中的“data”参数)拟合的模型的公式。在R中执行第29页的代码时，一切都运行得很顺利。但是，我在rpy2中遇到了一些问题。下面是我的代码：

import pandas.rpy.common as com
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri
uplift = importr('uplift')
kwargs = {'n': 1000, 'p' : 20, 'rho' : 0, 'sigma' : np.sqrt(2), 'beta.den': 4}
dd = uplift.sim_pte(**kwargs)
ddPD = pandas2ri.ri2py(dd)
ddPD['treat'] = [1 if x==1 else 0 for x in ddPD['treat']]
dd = com.convert_to_r_dataframe(ddPD) 
kwargs2 = {'formula':'y ~ X1 + X2 + X3 + X4 + X5 + X6 + trt(treat)',
         'mtry':3,'ntree':200,'split_method':'KL','minsplit':200,'data':dd}

fit1 = uplift.upliftRF(**kwargs2)

然后，我得到这个错误：

RRuntimeError: Error in is.data.frame(x) : argument "x" is missing, with no default

但是，"x“不是函数的强制参数。

我猜，对于任何其他只有一个参数的R函数来说，这个错误也是一样的，这个参数根本不是强制性的。

感谢您的帮助！

Answer 1

import pandas.rpy.common as com
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri
uplift = importr('uplift')

接下来，您应该能够使用最常见的方法来调用Python函数，因为importr正在将R函数定义中的命名参数“转换”为语法上有效的Python名称。

dd = uplift.sim_pte(n = 1000, p = 20, rho = 0,
                    sigma = np.sqrt(2), beta_den = 4)

此时，您似乎有一个R data.frame。转到pandas添加一列，然后返回R，这绝对是可能的：

ddPD = pandas2ri.ri2py(dd) 
ddPD['treat'] = [1 if x==1 else 0 for x in ddPD['treat']]
dd = com.convert_to_r_dataframe(ddPD)

但是，除非有很好的理由，否则我建议在pandas和rpy2之间穿梭时坚持使用一种转换方案。在pandas中定义的一致性或在rpy2中定义为consistency across的一致性可能测试较少。错误RRuntimeError: Error: $ operator is invalid for atomic vectors可能来自于此。

pandas的另一种选择是使用表现力极强的R包dplyr。从2.7.0版本开始，rpy2就为它提供了一个定制的接口：

from rpy2.robjects.lib import dplyr
dd = (dplyr.DataFrame(dd)
      .mutate(treat = 'ifelse(treat==1, 1, 0)')

在您的回答中已经指出，公式应该这样声明(公式在R中是语言对象，但在Python中没有语言级别的等价物)。在将此代码编写为常见的Python调用时：

fit1 = uplift.upliftRF(formula = robjects.Formula('y ~ X1 + X2 + X3 + X4 + X5 + X6 + trt(treat)'),
                       mtry = 3,
                       ntree = 200,
                       split_method = 'KL',
                       minsplit = 200,
                       data = dd)