rpy2でPythonのPandasデータフレームをRのデータフレームに変換する

PythonでRのスクリプトを実行するではsubprocessモジュールを使ってRスクリプトを実行してみたが、やっぱりPythonからもっとシームレスにRを使ってみたい。そこで、rpy2でPandasのデータフレームをRのデータフレームに変換して、Rの関数で重回帰分析をやってみる。

環境

Windows10のWSL(Ubuntu 18.04)。
$ lsb_release -a No LSB modules are available. Distributor ID: Ubuntu Description: Ubuntu 18.04.2 LTS Release: 18.04 Codename: bionic $ python3 -V Python 3.6.7 $ pip3 show pandas Name: pandas Version: 0.24.1

さらに、Rを以下のコマンドでインストールしておく。
$ sudo apt install r-base

rpy2のインストール

pipでrpy2をインストール。
$ sudo pip3 install rpy2

Pandasのデータフレームを扱うにはtzlocalも必要なのでインストールしておく。
$ sudo pip3 install tzlocal

Pandasデータフレームの作成

まずはRのデータフレームに変換するPandasデータムレームを用意する。

import pandas as pd
import numpy as np

# 日付データのインデックス作成 
dates = pd.date_range(
    start = '4/1/2019',
    periods=30
)

# 乱数の固定
np.random.seed(100) 
# 0-9の乱数で配列データ作成
y = np.random.randint(10, size=30)
x1 = y + np.random.randint(10, size=30)
x2 = np.random.randint(10, size=30)
values = np.stack([y, x1, x2], 1)
# データフレーム作成
df = pd.DataFrame(values, index=dates, columns=['y', 'x1', 'x2'])
print(df)

以下のようなデータフレームが作成される。
y x1 x2 2019-04-01 8 15 3 2019-04-02 8 15 6 2019-04-03 3 3 3 2019-04-04 7 9 4 2019-04-05 7 16 7 2019-04-06 0 9 6 2019-04-07 4 7 3 2019-04-08 2 4 9 2019-04-09 5 10 0 2019-04-10 2 10 4 ...

PandasデータフレームをRデータフレームに変換

作成したPandasデータフレームをrpy2でRデータフレームに変換してみる。

import rpy2.robjects as ro
from rpy2.robjects import pandas2ri

# PandasデータフレームをRデータフレームに変換
with ro.conversion.localconverter(ro.default_converter + pandas2ri.converter):
    df_r = ro.conversion.py2rpy(df)
        
print(df_r)

結果は以下の通り。
y x1 x2 2019-04-01 00:00:00 8 15 3 2019-04-02 00:00:00 8 15 6 2019-04-03 00:00:00 3 3 3 2019-04-04 00:00:00 7 9 4 2019-04-05 00:00:00 7 16 7 2019-04-06 00:00:00 0 9 6 2019-04-07 00:00:00 4 7 3 2019-04-08 00:00:00 2 4 9 2019-04-09 00:00:00 5 10 0 2019-04-10 00:00:00 2 10 4 ...

PythonからRのlm関数を使って重回帰分析をする

Rのデータフレームに変換したものを、Rのlm関数で重回帰分析する。

import pandas as pd
import numpy as np

import rpy2.robjects as ro
from rpy2.robjects import pandas2ri, globalenv
from rpy2.robjects.packages import importr

# Rライブラリのインポート
base = importr('base')
stats = importr('stats')

# 日付データのインデックス作成 
dates = pd.date_range(
    start = '4/1/2019',
    periods=30
)

# 乱数の固定
np.random.seed(100) 
# 0-9の乱数で配列データ作成
values = np.random.randint(10, size=(30, 3))
# データフレーム作成
df = pd.DataFrame(values, index=dates, columns=['y', 'x1', 'x2'])
#print(df)

# PandasデータフレームをRデータフレームに変換
with ro.conversion.localconverter(ro.default_converter + pandas2ri.converter):
    df_r = ro.conversion.py2rpy(df)
        
#print(df_r)

# Rのグローバル環境変数を設定
globalenv['df_r'] = df_r

# 重回帰分析
lm_model = stats.lm('y ~ x1 + x2', data=base.as_symbol('df_r'))
print(base.summary(lm_model))

計算過程のようなものがずらずらと出力されるが、最後にはちゃんと結果が出力される。
Residuals: Min 1Q Median 3Q Max -3.8017 -0.9687 0.3783 1.1601 3.8022 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 1.25232 1.05970 1.182 0.248 x1 0.43934 0.09304 4.722 6.43e-05 *** x2 -0.24132 0.17085 -1.412 0.169 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 2.053 on 27 degrees of freedom Multiple R-squared: 0.4618, Adjusted R-squared: 0.4219 F-statistic: 11.58 on 2 and 27 DF, p-value: 0.0002332