python vector_"攻略" : "R 语言格式数据导入python进行分析"

我们在使用python进行数据分析时 ，有时会遇到这样的情况:

python没有现成的包，但是R语言有，使用R包获得的结果是 .RData数据；又或者我们需要用到 .RData 格式的开源数据。

此时我们就面临着将.RData的数据导入python进行后续分析的场景。

这篇文章将完整讲述如何将.RData的数据导入python，以及如何在python中简单调用R的接口。

整篇文章将分为两部分：

1. 安装rpy2 及注意细节
2. .RData 数据导入python，转化成dataframe，numpy array，dict

1.安装rpy2 及注意细节：

python 读.RData数据的包有两个：rpy2 和 pyreadr。

• pyreadr 提供了四个函数，可以对一些简单的RData 和 python 数据之间进行转换，如 下图。但是如果你需要导入的数据并非以下格式，如list，array等，请考虑使用rpy2。

R 和 python可转换的数据类型

四个读写函数

• rpy2 提供了非常多调用R语言的接口，在这篇文章中仅介绍导入.RData数据相关的一部分。

1.下载rpy2 （存在编译环境）

安装命令：

 pip install rpy2

2.下载并安装对应的轮子.whl文件（无编译环境，新手推荐）^[1]

许多第三方包需要预编译，whl文件可以理解为已经编译好，直接能用的第三方包。

如果没有安装wheel，先需要用pip安装wheel

pip install wheel

然后下载rpy2.whl：rpy2.whl文件下载地址

进入命令行，在.whl文件对应目录下，输入安装命令：

pip3 install rpy2-2.9.5-cp37-cp37m-win_amd64.whl

注意事项：需要下载与python版本，window版本对应的.whl文件。如截图所示为python3.7，win64位系统。

3.添加系统环境变量：

变量名为：R_HOME, R_USER

变量值：R 语言安装路径

注意事项：添加系统变量而非用户变量，使用pycharm等IDE时，只能读到系统变量。

4.测试rpy2是否安装成功

import 

2. .RData 数据导入python

import rpy2.robjects as robjects
import numpy as np

robjects.r['load']("yourfile.Rdata")

.RData文件相当于R语言的workspace，包含了多个变量，通过上面的代码就把.RData中所有变量导入到了robjects里面了。

• ^[2]如果你的数据是dataframe，例如叫d，你可以很方便的用columns和rows进行索引

>>> robjects.r['d'][0]
<IntVector - Python:0x24c9248 / R:0xbbc6c0>
[       1,        2,        3, ...,        8,        9,       10]

>>> robjects.r['d'][1]
<FloatVector - Python:0x24c93b0 / R:0xf1f230>
[0.975648, 0.597036, 0.254840, ..., 0.891975, 0.824879, 0.870136]

• 如果你的数据是matrix 或者array，例如变量名叫a

a = robjects.r['a']
print(type(a))
a = np.array(a)
print(type(a))
print(a.shape)

a 输出结果

• ^[3]如果你的数据是list，list中元素有名称，实际上跟python的中dictionary没什么区别，可以使用names索引元素，可以使用代码转化，如下：

def as_dict(vector):
    """Convert an RPy2 ListVector to a Python dict"""
    result = {}
    for i, name in enumerate(vector.names):
        if isinstance(vector[i], robjects.ListVector):
            result[name] = as_dict(vector[i])
        elif len(vector[i]) == 1:
            result[name] = vector[i][0]
        else:
            result[name] = vector[i]
    return result

参考

1. ^https://www.cnblogs.com/lyrichu/p/6819079.html
2. ^参考文章：Loading .RData files into Python https://stackoverflow.com/questions/21288133/loading-rdata-files-into-python
3. ^参考文章：Converting an RPy2 ListVector to a Python dictionary https://stackoverflow.com/questions/24152160/converting-an-rpy2-listvector-to-a-python-dictionary