gmodels::fit.contrast 等效于 Python

Question

我想测试两种给予动物的药物之间的协同作用，我测量了每组 15 只动物在不同时间点的肿瘤生长。

我使用 Bliss 独立协同的统计检验，它是从线性模型的原理和 t 分布的性质导出的修改后的 t 统计量。该统计数据本质上衡量的是综合效应与个体效应总和之间的差异，正如“其他地方很好地描述的”。 R 中的代码使用了带有对比矩阵的简单方法：

model.fit <- lm(lnTV ~ lnTV.baseline + Group, data = TV.data.day)
fit.combo <- gmodels::fit.contrast(model.fit, "Group", c(1, -1, -1, 1), conf.int = 0.9, df = TRUE)

有没有办法利用Python中的对比矩阵，例如使用带有

statsmodels.stats.contrast

的任何东西的

patsy.constrasts

？我无法翻译文档

对比度概述

或对比度编码系统中描述的方法。

Answer 1

创建一个将调用

fit.contrast

 的 R 函数

# code.R
library("gmodels")

myfunction= function(dataset){
    dataset$Group <- as.factor(dataset$Group)
    model.fit <- lm(lnTV ~ baseline + Group, data = dataset)
    fit.combo <- gmodels::fit.contrast(model.fit, "Group", c(1, -1, -1, 1), conf.int = 0.9, df = TRUE)
    fit.combo
}

然后从python调用它：

# script.py
import rpy2.robjects as robjects
from rpy2.robjects import pandas2ri
import pandas as pd
import numpy as np


r = robjects.r
r['source']('code.R') # preload code from the R file


# sample dataset, replace with any other data
data = pd.DataFrame({"lnTV": np.random.random(size=20),
                     "baseline": np.random.random(size=20),
                     "Group":np.random.randint(1,5, size=20)
              })

with (robjects.default_converter + pandas2ri.converter).context():
    # Loading the function we have defined in R.
    myfunction_r = robjects.globalenv['myfunction']
    dd = myfunction_r(data) # this will call your R funciton
    
    # output derived from the R function
    print(dd)