在python里结构R的数据布局

利用rpy2包，通过python作粘合剂，利用R的计较成果，个中常用的一步是在python中作好某个数据的预处理惩罚之后传给R作进一步处理惩罚。根基数据布局长处理惩罚，贫苦的是荟萃型的数据布局，因为两者的数据名目界说不太一样，好比python常用的荟萃型数据布局是tuple, list, dict，而R是vector, list, array, data.frame等。所以在rpy2.robjects包下筹备了一些转换工具，如RVector, RArray, RDataFrame等等。实际上大大都R挪用的返回都是用这些工具暗示的。

给R历程通报一个RVector工具较量简朴，结构一个RVector工具，结构时通报一个list就完了。较量贫苦的是在python里生成data.frame数据布局，要领有两种，一是操作RDataFrame的结构函数，在python中直接生成，但需要给它通报一rinterface.SexpVector工具，这是一个rpy2的底层工具，我嫌贫苦没管它；另一种要领是在内嵌的R历程中生成，然后返回给python。示例代码如下：

>>> d = {‘value’: robjects.IntVector((1,2,3)),

         ‘letter’: robjects.StrVector((‘x’, ‘y’, ‘z’))}

>>> dataf = robjects.r[‘data.frame’](**d)

>>> print(dataf.colnames())

[1] “letter” “value”

留意这样方法转换已往的data.frame列序跟你在python里的排序大概是纷歧样的，这是因为python的dict的key原来就是无序的，假如忽略这点，有大概在R代码里引入BUG，一种制止的方法是在R代码里只管利用D$name这种键值形式来获取数据，而非D[[1]]这种下标形式。