1. 背景

５年ほど前にRpy2を使って、PythonからRの統計関数を呼び出すラッパーを作成していました。

Rを再勉強し始めたことと、以前のWrapperが

クラス定義でcsvファイルから直で読み込めるようにしていたが、可読性が超低い
文字列で返る仕様にしていたため、結果を整理しづらい

これらの点を改善してラップし直しました。

可読性を重視し、関数のみで定義
結果をPandas DataFrameで返す

GitHubでソースコードを公開しています。

2. 使用方法

2-1. RとRパッケージのインストール

RをCRANミラーサイトからインストールします。

RのコンソールでDescToolsをインストールしておきます。

> install.packages("DescTools")

2-2. Pythonの環境

私はMinicondaを使っていますが、多分他のツールでも大丈夫です。

python==3.11
pandas==2.2.1
jupyterlab==4.0.11
rpy2==3.5.15

% conda install pandas jupyterlab
% pip install rpy2

rpy2はconda installでは入りませんでした。

私はVSCode上でJupyterノートブックで実施して問題なくいけましたが、他の環境で実施した方がいらっしゃいましたら情報いただけますと幸いです。

2-3. 必要なパッケージのインストール

import pandas as pd
import rpy2.robjects as ro
from rpy2.robjects import pandas2ri
from rpy2_wrapper2 import *

2-4. データの準備

dfに好きなPandasデータフレームを代入してください。

df = pd.DataFrame()

データに名前をつけます(Rでの変数名になります）。

dname = "dname"

Pandasデータフレームを、Rのdnameに渡します。

ro.globalenv[dname] = pandas2ri.py2rpy(df)

2-5. パラメータの準備

解析したい列名をvariablesに、カテゴリーの列名をcategoryに与えます。

例えば、irisデータセットなら以下のように与えます。

category = "Species"
variables = ["Sepal.Length","Sepal.Width","Petal.Length","Petal.Width"]

for文で対象列を一度に検定できるように、variablesに解析したい列名をリストで与えています。

2-6. 使用できる関数

aov
one-way (one-way ANOVA)
tukeyHSD (Tukey検定のHSD法）
dunnett_test （Dunnettの検定）

Rで使える関数です。詳細は割愛します。

dunnett_testのみDescToolsパッケージの関数を使っています。

関数はそのうち増やすかも、、、（全く未定）

2-7. tukeyHSDの解析例

tukeyHSD(df,category,variable)

で全部の結果が返ってきます。p値だけに絞りたい場合は"params"の列の"p.adj"で。

irisデータセットを使いました。

tukey_results = []

for variable in variables:
    result = tukeyHSD(df=dname,category=category,variable=variable)
    tukey_results.append(result)

tukey_results_df = pd.concat(tukey_results)
tukey_pvalues = tukey_results_df[tukey_results_df["params"]=="p.adj"]
tukey_pvalues.head()

	params	var1	var2	value	variable
3	p.adj	versicolor	setosa	3.386180e-14	Sepal.Length
7	p.adj	virginica	setosa	2.997602e-15	Sepal.Length
11	p.adj	virginica	versicolor	8.287558e-09	Sepal.Length
3	p.adj	versicolor	setosa	3.097522e-14	Sepal.Width
7	p.adj	virginica	setosa	1.360737e-09	Sepal.Width

2-8. dunnett_testの解析例

dunnett_test(df,category,variable,control)

で全部の結果が返ってきます。p値だけに絞りたい場合は"params"の列の"pval"で。

こちらもirisデータセット。
Speciesのうち、setosaをコントロールにしました。

control="setosa"

dunnett_results = []

for variable in variables:
    result = dunnett_test(df=dname,category=category,variable=variable,control=control)
    dunnett_results.append(result)

dunnett_results_df = pd.concat(dunnett_results)
dunnett_pvalues = dunnett_results_df[dunnett_results_df["params"]=="pval"]
dunnett_pvalues.head()

	params	var1	var2	value	variable
3	pval	versicolor	setosa	1.776357e-15	Sepal.Length
7	pval	virginica	setosa	4.440892e-16	Sepal.Length
3	pval	versicolor	setosa	2.220446e-16	Sepal.Width
7	pval	virginica	setosa	9.074665e-10	Sepal.Width
3	pval	versicolor	setosa	2.220446e-16	Petal.Length

以上です。