problemas con rpy2, rpart pasar datos correctamente desde Python para r
Pregunta
Estoy tratando de correr a través rpart RPY2 usando Python 2.6.5 y R 10.0.
crear una trama de datos en Python y pasarlo a lo largo pero me da un error que dice:
Error in function (x) : binary operation on non-conformable arrays
Traceback (most recent call last):
File "partitioningSANDBOX.py", line 86, in <module>
model=r.rpart(**rpart_params)
File "build/bdist.macosx-10.3-fat/egg/rpy2/robjects/functions.py", line 83, in __call__
File "build/bdist.macosx-10.3-fat/egg/rpy2/robjects/functions.py", line 35, in __call__
rpy2.rinterface.RRuntimeError: Error in function (x) : binary operation on non-conformable arrays
Puede alguien ayudarme a determinar lo que estoy haciendo mal para lanzar este error?
la parte pertinente de mi código es la siguiente:
import numpy as np
import rpy2
import rpy2.robjects as rob
import rpy2.robjects.numpy2ri
#Fire up the interface to R
r = rob.r
r.library("rpart")
datadict = dict(zip(['responsev','predictorv'],[cLogEC,csplitData]))
Rdata = r['data.frame'](**datadict)
Rformula = r['as.formula']('responsev ~.')
#Generate an RPART model in R.
Rpcontrol = r['rpart.control'](minsplit=10, xval=10)
rpart_params = {'formula' : Rformula, \
'data' : Rdata,
'control' : Rpcontrol}
model=r.rpart(**rpart_params)
Las dos variables cLogEC y csplitData son matrices numpy de tipo float.
Además, mis trama de datos es similar al siguiente:
In [2]: print Rdata
------> print(Rdata)
responsev predictorv
1 0.6020600 312
2 0.3010300 300
3 0.4771213 303
4 0.4771213 249
5 0.9242793 239
6 1.1986571 297
7 0.7075702 287
8 1.8115750 270
9 0.6020600 296
10 1.3856063 248
11 0.6127839 295
12 0.3010300 283
13 1.1931246 345
14 0.3010300 270
15 0.3010300 251
16 0.3010300 246
17 0.3010300 273
18 0.7075702 252
19 0.4771213 252
20 0.9294189 223
21 0.6127839 252
22 0.7075702 267
23 0.9294189 252
24 0.3010300 378
25 0.3010300 282
y la fórmula se ve así:
In [3]: print Rformula
------> print(Rformula)
responsev ~ .
Solución
El problema está relacionado con código idiosincrásica R en rpart (para ser preciso, el bloque siguiente, en particular, la última línea:
m <- match.call(expand.dots = FALSE)
m$model <- m$method <- m$control <- NULL
m$x <- m$y <- m$parms <- m$... <- NULL
m$cost <- NULL
m$na.action <- na.action
m[[1L]] <- as.name("model.frame")
m <- eval(m, parent.frame())
).
Una forma de trabajo en torno a que es para evitar entrar en ese bloque de código (véase más adelante) o puede ser para construir una evaluación anidada de Python (de modo que se comporta parent.frame ()). Esto no es tan simple como es de esperar, pero puede ser que encontraré tiempo para que sea más fácil en el futuro.
from rpy2.robjects import DataFrame, Formula
import rpy2.robjects.numpy2ri as npr
import numpy as np
from rpy2.robjects.packages import importr
rpart = importr('rpart')
stats = importr('stats')
cLogEC = np.random.uniform(size=10)
csplitData = np.array(range(10), 'i')
dataf = DataFrame({'responsev': cLogEC,
'predictorv': csplitData})
formula = Formula('responsev ~.')
rpart.rpart(formula=formula, data=dataf,
control=rpart.rpart_control(minsplit = 10, xval = 10),
model = stats.model_frame(formula, data=dataf))