在稀疏设计矩阵上用rpy2运行glmnet？

Question

我有一个python代码片段，可以在np.arrayX和y上运行GLMNET。但是，当X是scipy的列稀疏矩阵时，代码失败，因为rpy2无法转换X。我犯了明显的错误吗？在

MCVE是：

import numpy as np
from scipy import sparse
from rpy2 import robjects
import rpy2.robjects.packages as rpackages
from rpy2.robjects import numpy2ri
from rpy2.robjects import pandas2ri

if __name__ == "__main__":
    X = sparse.rand(5, 20, density=0.1)
    y = np.random.randn(5)
    numpy2ri.activate()
    pandas2ri.activate()

    utils = rpackages.importr('utils')
    utils.chooseCRANmirror(ind=1) 
    if not rpackages.isinstalled('glmnet'):
        utils.install_packages("glmnet")
    glmnet = rpackages.importr('glmnet')

    glmnet = robjects.r['glmnet']
    glmnet_fit = glmnet(X, y, intercept=False, standardize=False)

当我运行它时，我得到一个NotImplementedError：

^{pr2}$

我可以用不同的方式提供X吗？如果rpy2不能处理稀疏矩阵，我会很惊讶。在

Answer 1

对于rpy2中包含的对象类型，确实没有Python->；R转换器。您的Python对象不是传统的数组，而是一个稀疏矩阵（具体来说，scipy.sparse.csc.csc_matrix），实现为numpy可用的数值扩展之一。由于numpy本身甚至不需要使用rpy2，因此对numpy扩展的支持相当少，pandas是一个显著的例外，因为数据表无处不在。在

您可能希望在R包Matrix（https://stat.ethz.ch/R-manual/R-devel/library/Matrix/html/dgCMatrix-class.html）中编写自己的从css_matrix到{}的转换器，因为包glmnet似乎能够处理它们。在

编写一个定制的转换器需要如何将Python对象的内容映射或复制到它选择的R对应对象，但是一旦完成，将代码插入rpy2应该非常容易： https://rpy2.github.io/doc/v2.9.x/html/generated_rst/s4class.html#custom-conversion

考虑在rpy2问题跟踪器上以“特性请求”的形式打开一个问题，并报告进度和结果，希望看到这变成一个包含单元测试的请求

Answer 2

另外一个可能有效的快速解决方案是暂时保存稀疏矩阵文件。在

import numpy as np
import rpy2.robjects as ro
import warnings
from rpy2.rinterface import RRuntimeWarning
import rpy2.robjects.numpy2ri as numpy2ri
from scipy.io import mmwrite
mmwrite('temp.mtx',matrix)
ro.r('X <- readMM("temp.mtx")')

不过，如果有人提供了一个自定义转换器来避免拷贝到磁盘，我会非常感兴趣的。在

Answer 3

可以使用rpy2创建稀疏矩阵，如下所示：

import numpy as np
import rpy2.robjects as ro
from rpy2.robjects.packages import importr
from scipy import sparse

X = sparse.rand(5, 20, density=0.1).tocoo()
r_Matrix = importr("Matrix")
r_Matrix.sparseMatrix(
    i=ro.IntVector(X.row + 1),
    j=ro.IntVector(X.col + 1),
    x=ro.FloatVector(X.data),
    dims=ro.IntVector(X.shape))