通过rpy2在Python中通过基于R的glmmTMB安装逻辑AR1

我试图用Python来拟合带有序列自相关（AR1错误）的逻辑回归。不幸的是，

statsmodels

还没有走到这一步；但是，R-package

glmmTMB

已经完成。我很接近（似乎）通过Python中的

rpy2

实现这一点，但我被卡住了

我的R技能（以及错误：

RRuntimeError:na.fail.default中的错误（as.ts（x））：object

中缺少值）表明需要修改

na.action

参数以实现函数

glmmTMB

（在包

glmmTMB

中），但这在R中是不必要的——我的示例适用于此，并且很高兴。因此，我怀疑Python-to-R链中的其他东西是错误的

我的钱花在变量

时间

和

组

到

公式

中的

ar

部分所需的因子表征上。有人知道我能做什么吗？我是否没有正确创建因子变量

from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri 
from rpy2 import robjects as ro
import pandas as pd

# Make some data.  
data = {'Success': [10, 20, 30, 11, 14, 16, 18, 29, 17, 19], 
        'Failure': [12, 25, 61, 8, 22, 21, 10, 16, 15, 19]}
df = pd.DataFrame(data)

# Allow rpy2 to talk to pandas.  
pandas2ri.activate() 

# Bring in some R stuff.  
base = importr('base')
utils = importr('utils')
stats = importr('stats')
glmmTMB = importr('glmmTMB')

# Modify the dataframe for use with glmmTMB.  
df['time'] = range(1, len(df) + 1)
df['group'] = 1

# Convert df to an R dataframe.  
r_df = pandas2ri.py2ri(df)

# Add in group as a factor to R dataframe r_df.
col_group = ro.vectors.FactorVector(r_df.rx2('group'))
assessor_col_index = df.columns.get_loc('group')   # python 
r_df[assessor_col_index] = col_group

# Add in time as a factor to R dataframe r_df.  
col_time = ro.vectors.FactorVector(r_df.rx2('time'))
assessor_col_index = df.columns.get_loc('time')   # python 
r_df[assessor_col_index] = col_time

# Take a look at stuff.  Looks correct.  
print(r_df)
print(col_group)
print(col_time) 

# This works.  Normal outcome.  
m0 = ro.r.glmmTMB(formula=ro.r('Success ~ 1'), data=r_df)
# print(m0[1][0])

# This works.  Logistic outcome.  
m1 = ro.r.glmmTMB(formula=ro.r('cbind(Success, Failure) ~ 1'), family=ro.r('binomial'), data=r_df)
# print(m1[1][0])

# This does not work.  AR1 with factors, per documentation.  
# m2 = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df)
# m2[1][0]


# Added for clarity, 2021-03-08:  Other variations using na_action argument.  

# m3  = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df, na_action=na_omit)            
# name 'na_omit' is not defined.

# m4  = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df, na_action=ro.r(na_omit))     
# name 'na_omit' is not defined. 

# m5  = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df, na_action='na_omit')        
# Error in na.fail.default(as.ts(x)): missing values in object 

# m6  = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df, na_action=ro.r('na_omit'))  
# Error in (function(expr, envir=parent.frame(), enclos=if(is.list(envir) || object 'na_omit' not found)))
 
# m7  = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df, na_action=na.omit)          
# name 'na' is not defined 

# m8  = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df, na_action=ro.r(na.omit))      
# name 'na' is not defined

# m9  = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df, na_action='na.omit')        
# Error in na.fail.default(as.ts(x)): missing values in object

# m10 = ro.r.glmmTMB(formula=ro.r("cbind(Success, Failure) ~ 1 + ar(time + 0 | group)"), family=ro.r('binomial'), data=r_df, na_action=ro.r('na.omit'))   
# Error in na.fail.default(as.ts(x)): missing values in object 

---

如果命名参数

na.action

在函数

glmmTMB（）

的签名中，您应该能够执行以下操作

m = ro.r.glmmTMB(<blah>, na_action=<your value>)

m=ro.r.glmmTMB（，na_action=）

---

文档在这里：

我包括了我最初的尝试，包括包含这个变量，以及它们无法在没有错误的情况下完成。你对我的玩具示例尝试过你的建议吗？你看到我遗漏了什么吗？