Python rpy2下的立体主义回归；下标越界“；错误

当我使用rpy2进行立体回归时，我遇到了错误：

Error in strsplit(tmp, "\"")[[1]] : subscript out of bounds

我尝试使用as.matrix来更改数据格式，但仍然没有成功

import rpy2.robjects as robjects
from rpy2.robjects.packages import importr
from rpy2.robjects.vectors import FloatVector
from rpy2.robjects import pandas2ri
Cubist = importr('Cubist')
lattice = importr('lattice')
r = robjects.r
# 准备样点数据
dt = r('mtcars')
Z = FloatVector(dt[3])
X = FloatVector(dt[5])
X1 = FloatVector(dt[6])
T = r['cbind'](X,X1)

regr = r['cubist'](x=T,y=Z,committees=10)

---

如果是矩阵，

cubist（）

的

x

参数似乎需要

dimnames

属性

在R中设置：

library(Cubist)

dt = mtcars
Z = dt[, 4]
X = dt[, 6]
X1 = dt[, 7]

现在比较一下（复制错误）：

vs

有多种方法可确保通过

rpy2

连接DIMNAME。代码的一种简单方法是显式命名变量：

In [15]: T = r['cbind'](X=X,X1=X1)

In [16]: print(r['str'](T))
 num [1:32, 1:2] 2.62 2.88 2.32 3.21 3.44 ...
 - attr(*, "dimnames")=List of 2
  ..$ : NULL
  ..$ : chr [1:2] "X" "X1"
<rpy2.rinterface.NULLType object at 0x7f0d7c0f5608> [RTYPES.NILSXP]

In [17]: print(r['cubist'](x=T,y=Z,committees=10))

Call:
cubist.default(x = structure(c(2.62, 2.875, 2.32, 3.215, 3.44, 3.46,
 205, 215, 230, 66, 52, 65, 97, 150, 150, 245, 175, 66, 91, 113, 264, 175,
 335, 109), committees = 10L)

Number of samples: 32
Number of predictors: 2

Number of committees: 10
Number of rules per committee: 1, 1, 1, 1, 1, 1, 1, 1, 1, 1

[15]中的

T=r['cbind']（X=X，X1=X1）
在[16]中：打印（r['str']（T））
num[1:32，1:2]2.622.882.323.213.44。。。
-属性（*，“dimnames”）=2个列表
..$：空
..$：chr[1:2]“X”“X1”
[RTYPES.NILSXP]
在[17]中：印刷体（r['cubist']（x=T，y=Z，x=10））
电话：
立体主义默认（x=结构（c）（2.62,2.875,2.32,3.215,3.44,3.46，
205, 215, 230, 66, 52, 65, 97, 150, 150, 245, 175, 66, 91, 113, 264, 175,
335109），委员会=10L）
样本数目：32
预测数：2
委员会数目：10
每个委员会的规则数：1,1,1,1,1,1,1,1,1,1,1,1

如果是矩阵，

cubist（）

的

x

参数似乎需要

dimnames

属性

在R中设置：

library(Cubist)

dt = mtcars
Z = dt[, 4]
X = dt[, 6]
X1 = dt[, 7]

现在比较一下（复制错误）：

vs

有多种方法可以确保通过

rpy2

附加dimnames。使用代码的一种简单方法就是显式命名变量：

In [15]: T = r['cbind'](X=X,X1=X1)

In [16]: print(r['str'](T))
 num [1:32, 1:2] 2.62 2.88 2.32 3.21 3.44 ...
 - attr(*, "dimnames")=List of 2
  ..$ : NULL
  ..$ : chr [1:2] "X" "X1"
<rpy2.rinterface.NULLType object at 0x7f0d7c0f5608> [RTYPES.NILSXP]

In [17]: print(r['cubist'](x=T,y=Z,committees=10))

Call:
cubist.default(x = structure(c(2.62, 2.875, 2.32, 3.215, 3.44, 3.46,
 205, 215, 230, 66, 52, 65, 97, 150, 150, 245, 175, 66, 91, 113, 264, 175,
 335, 109), committees = 10L)

Number of samples: 32
Number of predictors: 2

Number of committees: 10
Number of rules per committee: 1, 1, 1, 1, 1, 1, 1, 1, 1, 1

[15]中的

T=r['cbind']（X=X，X1=X1）
在[16]中：打印（r['str']（T））
num[1:32，1:2]2.622.882.323.213.44。。。
-属性（*，“dimnames”）=2个列表
..$：空
..$：chr[1:2]“X”“X1”
[RTYPES.NILSXP]
在[17]中：印刷体（r['cubist']（x=T，y=Z，x=10））
电话：
立体主义默认（x=结构（c）（2.62,2.875,2.32,3.215,3.44,3.46，
205, 215, 230, 66, 52, 65, 97, 150, 150, 245, 175, 66, 91, 113, 264, 175,
335109），委员会=10L）
样本数目：32
预测数：2
委员会数目：10
每个委员会的规则数：1,1,1,1,1,1,1,1,1,1,1,1

我的专业是遥感。接下来，我需要计算遥感图像数据。当我用GDAL读取图像时，如何将其转换为立体预测的R数据格式？dt=GDAL.Open（“H:/bathmetry/GF6/cart/layer_stac”）blue=dt.GetRasterBand（1）。ReadAsArray（0,0，dt.RasterXSize，dt.RasterYSize）green=dt.GetRasterBand（2）.ReadAsArray（0,0，dt.RasterXSize，dt.RasterYSize）Blue=np.array（Blue）B=Blue.ravel（）绿色=np.array（绿色）G=Green.ravel（）X_test=np.vstack（（B，G））我在Cubist项目页面上提出了这个问题：我的专业是遥感。接下来，我需要计算遥感图像数据。当我用GDAL读取图像时，如何将其转换为R的数据格式进行立体预测？dt=GDAL.Open（“H:/bathmetry/GF6/cart/layer_stac”）blue=dt.GetRasterBand（1）.ReadAsArray（0,0，dt.RasterXSize，dt.RasterYSize）green=dt.GetRasterBand（2）.ReadAsArray（0,0，dt.RasterXSize，dt.RasterYSize）Blue=np.array（Blue）B=Blue.ravel（）green=np.array（green）G=green.ravel（）X_test=np.vstack（（B，G））我在立体主义项目页面上提出了这个问题：