5

RPy を介して nlme および lme4 R 関数とやり取りしています。Python コンソールから出力の概要にアクセスしたいと考えています。

次のコードを実行します。

test1=nlme.lme(r.formula('Pupil~CoI*Time'), random=r.formula('~1|ID'),data=dfr)
test2=nlme.lme(r.formula('Pupil~CoI*measurement'),random=r.formula('~1|ID'),data=dfr)
test1_sum= r.summary(test1)
test2_sum= r.summary(test2)
print test1_sum
print test2_sum

nlmeの場合、これはlme4の場合：

test1=lme4.lmer(r.formula('Pupil~CoI*Time+(1|ID)'),data=dfr)
test2=lme4.lmer(r.formula('Pupil~CoI*measurement+(1|ID)'),data=dfr)
test1_sum= r.summary(test1)
test2_sum= r.summary(test2)
print test1_sum
print test2_sum

データと明示的なインポートを含むコード スニペットを取得するには、このIPython ノートブックを参照してください。

いずれの場合も、次のような恐ろしく長いセクションを含む膨大な量の印刷出力が得られます。

Data: structure(list(CoI = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L,  1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,  1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,  1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,  1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,  1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L ......

次の行に沿ってさらに要約を取得したいと思います。

Random effects:
 Formula: ~1 | ID
        (Intercept)  Residual
StdDev:   0.2201214 0.1199874

Fixed effects: Pupil ~ CoI * measurement 
                         Value  Std.Error   DF   t-value p-value
(Intercept)          1.2068660 0.06369911 5769 18.946357       0
CoIhard             -0.0394413 0.00629117 5769 -6.269306       0
measurement         -0.0002743 0.00003207 5769 -8.554287       0
CoIhard:measurement  0.0005227 0.00004536 5769 11.524511       0
 Correlation: 
                    (Intr) CoIhrd msrmnt
CoIhard             -0.049              
measurement         -0.060  0.612       
CoIhard:measurement  0.043 -0.865 -0.707

Standardized Within-Group Residuals:
        Min          Q1         Med          Q3         Max 
-9.86773055 -0.37638950  0.02085029  0.43203795  4.97364143 

Number of Observations: 5784
Number of Groups: 12

(これは私が取得したものに含まれていますが、上記の後に数千のエントリしかありません) どうすればそれを達成できますか?

4

1 に答える 1

2

正しい方法は、.rx2()メソッドを使用することです。さまざまな使用方法があります。

In [43]:

print test2_sum.names
Unable to unlink tempfile c:\docume~1\x60t\locals~1\temp\tmpnhw4n4
 [1] "methTitle"    "objClass"     "devcomp"      "isLmer"       "useScale"    

 [6] "logLik"       "family"       "link"         "ngrps"        "coefficients"

[11] "sigma"        "vcov"         "varcor"       "AICtab"       "call"        

[16] "residuals"   

In [44]:

print test2_sum.rx2('vcov') # to access R type print out
Unable to unlink tempfile c:\docume~1\x60t\locals~1\temp\tmpebn3f1
4 x 4 Matrix of class "dpoMatrix"

                      (Intercept)     CoIhard  measurement CoIhard:measurement

(Intercept)         93253.4275120 -80.6588422 -0.503069702         0.503069702

CoIhard               -80.6588422 161.3176844  0.503069702        -1.006139404

measurement            -0.5030697   0.5030697  0.004192248        -0.004192248

CoIhard:measurement     0.5030697  -1.0061394 -0.004192248         0.008384495

In [45]:

print test2_sum.rx2('varcor') # to access R type print out
Unable to unlink tempfile c:\docume~1\x60t\locals~1\temp\tmpcad6ld
 Groups   Name        Std.Dev.

 ID       (Intercept) 1057.39 

 Residual              242.24 

In [46]:

list(test2_sum.rx2('varcor')) # to get the values
Out[46]:
[<Matrix - Python:0x0782CEB8 / R:0x0E97FB28>
[1118073.223847]]
In [47]:

list(test2_sum.rx2('varcor')[0]) # to get the values
Out[47]:
[1118073.2238471208]

callsとをスキップすることで、ほとんどのものを取り除くことができますresiduals。

for i, v in enumerate(list(test2_sum.names)):
    if v not in ['call', 'residuals']:
        print '%s========================================================='%i, v
        print test2_sum.rx2(v)

追加編集:

tTable（ を使用して）のlme4結果にアクセスする最良の方法rpy2は、それを に変換することだと思いますpandas DataFrame：

In [73]:

print com.convert_robj(test2_sum.rx2('tTable'))
                           Value   Std.Error    DF    t-value       p-value
(Intercept)          2480.515542  305.374210  5769   8.122872  5.521357e-16
CoIhard               -90.840336   12.701090  5769  -7.152169  9.602962e-13
measurement            -0.288709    0.064748  5769  -4.458998  8.390496e-06
CoIhard:measurement     1.049136    0.091567  5769  11.457595  4.546122e-30

[4 rows x 5 columns]

print出力は印刷物と正確には一致しませんが、R非常に簡単に実行できます。

In [87]:

print test2_sum.rx2('tTable').__str__().replace('\r\n\r\n', '\n')

                           Value    Std.Error   DF   t-value      p-value
(Intercept)         2480.5155423 305.37420990 5769  8.122872 5.521357e-16
CoIhard              -90.8403359  12.70108989 5769 -7.152169 9.602962e-13
measurement           -0.2887093   0.06474757 5769 -4.458998 8.390496e-06
CoIhard:measurement    1.0491363   0.09156689 5769 11.457595 4.546122e-30
于 2014-06-14T03:20:38.733 に答える