R FitDisr for Beta发行版：哪些启动参数？

我需要将数据放入Beta分布并检索alpha参数。我尝试使用python中的R（rpy2），我的代码如下所示：

from rpy2 import *
from rpy2.robjects.packages import importr
MASS = importr('MASS') #myVector is a Numpy array with values between 0 and 1
MASS.fitdistr(myVector,"beta")

但我得到了这个错误：

Error in function (x, densfun, start, ...)  : 
  'start' must be a named list
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.7/dist-packages/rpy2/robjects/functions.py", line 82, in __call__
    return super(SignatureTranslatedFunction, self).__call__(*args, **kwargs)
  File "/usr/lib/python2.7/dist-packages/rpy2/robjects/functions.py", line 34, in __call__
    res = super(Function, self).__call__(*new_args, **new_kwargs)
rpy2.rinterface.RRuntimeError: Error in function (x, densfun, start, ...)  : 
  'start' must be a named list

函数中出现错误（x、登峰、启动…）： “开始”必须是命名列表 回溯（最近一次呼叫最后一次）： 文件“”，第1行，在 文件“/usr/lib/python2.7/dist packages/rpy2/robjects/functions.py”，第82行，在调用中__ 返回super（SignatureTranslatedFunction，self）。\调用（*args，**kwargs） 文件“/usr/lib/python2.7/dist packages/rpy2/robjects/functions.py”，第34行，在调用中__ res=super（函数，自）.\uuuuuuuuu调用（*新参数，**新参数） rpy2.rinterface.rrontimeerror:函数（x，densfun，start，…）中存在错误： “开始”必须是命名列表 我似乎找不到任何关于R的详细示例的好文档，所以我只找到了：

开始一个命名列表，给出要使用初始值优化的参数。对于某些指定的 分发（请参阅详细信息）。。。其他参数，无论是 邓斯芬还是为了optim。特别是，它可以用来指定边界 通过下部或上部或两者。如果densfun的参数（或密度 对应于字符串规范的函数）是 包括他们将举行固定

我真的不知道：

• 将什么作为起始参数以及这将如何影响我的估计
• 在Python中使用什么语法，因为

  start=list（shape1=0.5，shape2=0.5）

  不会起作用

---

有什么提示吗？

好的，在进一步挖掘之后，我找到了一个解决方案：

from rpy2.robjects import DataFrame
starter= DataFrame({'shape1':0.5,'shape2':0.5})
x = MASS.fitdistr(myValues, "beta", start=starter))

---

您至少需要阅读和的

R

手册页面。它们一起揭示了

R

命令用于您尝试执行的操作类似于

fitdistr（x，“beta”，start=list（shape1=1/2，shape2=1/2））

。谢谢。一个大问题是

fitdress（x，“beta”，start=list（shape1=1/2，shape2=1/2））

不会被Python的解释器接受<代码>回溯（最近一次调用last）：文件“”，第1行，在TypeError:list（）中最多接受1个参数（给定2个）我在python中也找不到任何带有start参数的FitDisr示例。rpy2的文档建议您可能要使用

dict

对象将列表作为参数传递。如果这不起作用，创建一个。无论如何，因为这纯粹是一个编程接口问题，所以我将为您迁移这个问题。在我的第一条评论中，第二个链接的第二个链接是：

shape1

是alpha，而

shape2

是beta。