为了计算x和y两个向量之间的传递熵,我在RStudio中编写了一个R脚本,并希望从Python中调用它,验证结果是否一致,以查看我是否做得对:
在RStudio中:
TE <- function(x,y) {
library(RTransferEntropy)
library(future)
plan(multiprocess)
set.seed(12345)
shannon_te <-transfer_entropy(x,y,nboot=1000)
result=shannon_te
return(result)
}
脚本编译没有错误。现在我测试它:
n <- 2500
x <- rep(0, n + 200)
y <- rep(0, n + 200)
x[1] <- rnorm(1, 0, 1)
y[1] <- rnorm(1, 0, 1)
for (i in 2:(n + 200)) {
x[i] <- 0.2 * x[i - 1] + rnorm(1, .2, 1)
y[i] <- sqrt(abs(x[i - 1])) + rnorm(1, .2, 1)
}
x <- x[-(1:200)]
y <- y[-(1:200)]
TE(x,y)工作良好,并产生传递熵值及其对应的p值,这表明x对y有因果关系,但反之亦然
现在我希望使用一个名为T的函数从Python中调用这个脚本:
import numpy as np
from rpy2.robjects.packages import importr
import rpy2.robjects as ro
importr('RTransferEntropy',lib_loc='/Library/Frameworks/R.framework/
Versions/3.6/Resources/library')
base = importr('base')
utils = importr('utils')
import rpy2.robjects.packages as rpackages
import rpy2.robjects
def T(x,y):
r=ro.r
r.source("TE.R")
t=r.TE(x,y)
return t
所有这些都不会产生任何错误。我想通过在Python中定义相同的向量x和y来测试这一点,并调用上面的Python函数来验证x对y有因果影响,而不是相反:
time=np.arange(10)
for t in time:
x[t+1]=.2*x[t]+np.random.normal(1,.2,1)
y[t+1]=ma.sqrt(abs(x[t]))+np.random.normal(1,.2,1)
T(x,y)
这将产生以下错误消息:
这是我第一次看到或听到这个错误。请注意,
RRuntimeError
是由嵌入的R引发的错误,并由rpy2传播到Python为了弄清楚这里发生了什么,我将首先从函数体中提取库导入,以缩短示例并缩小问题的可能根源。一种方法是在Python中导入这些内容:
我发现以下方法有效:
删除:
替换为:
添加:
我是从Converting python objects for rpy2那里得到这个主意的
相关问题 更多 >
编程相关推荐