如何通过Python的rpy2提取R中glm()模型的结果？

一、获取和R控制台一致的可读输出 #

你之前的Variant A问题出在直接捕获reg对象的输出，R中直接打印glm对象会包含原始数据等冗余内容，正确做法是捕获summary(reg)的输出，这才是你需要的规范结果：

# 定义R函数捕获summary的输出
robjects.r('''
get_clean_summary <- function(reg) {
    # 捕获summary的控制台输出，而非原始模型对象
    result <- paste(capture.output(summary(reg)), collapse="\n")
    return(result)
}
''')

get_clean_summary = robjects.globalenv['get_clean_summary']
# 获取规范输出并转换为Python字符串
readable_result = str(get_clean_summary(reg))
print(readable_result)

运行后输出会和你在R中直接执行summary(glm(...))的结果完全一致，无冗余数据内容。

二、获取可直接处理的结构化数据（Pandas DataFrame） #

针对Variant B得到的summary.glm对象，可以提取关键部分转换为Pandas DataFrame，方便后续分析：

1. 提取系数表 #

# 从summary结果中提取系数矩阵
coeff_matrix = result_variant_B.rx2('coefficients')
# 转换为Pandas DataFrame
coeff_df = pandas2ri.rpy2py(coeff_matrix)
# 设置行名为变量名
coeff_df.index = coeff_matrix.rownames
print(coeff_df)

输出示例：

Estimate  Std. Error   z value  Pr(>|z|)
(Intercept) -27.799290    0.004040 -6880.969       0.0
B            -0.013770    0.001973   -6.979       0.0

2. 提取其他关键指标 #

从summary.glm对象中提取偏差、自由度、AIC等信息，整理成字典或DataFrame：

# 提取关键指标
model_metrics = {
    'null_deviance': float(result_variant_B.rx2('null.deviance')),
    'df_null': int(result_variant_B.rx2('df.null')),
    'residual_deviance': float(result_variant_B.rx2('deviance')),
    'df_residual': int(result_variant_B.rx2('df.residual')),
    'AIC': float(result_variant_B.rx2('aic')),
    'fisher_iterations': int(result_variant_B.rx2('iter'))
}

# 转换为DataFrame方便查看
metrics_df = pd.DataFrame([model_metrics])
print(metrics_df)

输出示例：

null_deviance  df_null  residual_deviance  df_residual      AIC  fisher_iterations
0        33359.9     9999            33357.7         9998  43369.9                  4

三、完整整合代码 #

#!/usr/bin/env python3
import random
import pandas as pd
import rpy2.robjects as robjects
import rpy2.robjects.pandas2ri as pandas2ri
pandas2ri.activate()

random.seed(0)
k = 10000

df = pd.DataFrame({
    'A': random.choices(range(100), k=k),
    'B': random.choices([1, 2, 3], k=k),
    'C': random.choices([0, 1], k=k),
    'D': random.choices(range(20, 30), k=k),
})

glm = robjects.r['glm']
reg = glm(
    formula='C ~ B',
    data=robjects.conversion.py2rpy(df),
    family=robjects.r['poisson'](),
    offset=df['D']
)    

# 方法1：获取可读规范输出
robjects.r('''
get_clean_summary <- function(reg) {
    result <- paste(capture.output(summary(reg)), collapse="\n")
    return(result)
}
''')
get_clean_summary = robjects.globalenv['get_clean_summary']
readable_result = str(get_clean_summary(reg))
print("=== 规范输出 ===")
print(readable_result)

# 方法2：获取结构化数据
summary_reg = robjects.r['summary'](reg)
# 系数表
coeff_matrix = summary_reg.rx2('coefficients')
coeff_df = pandas2ri.rpy2py(coeff_matrix)
coeff_df.index = coeff_matrix.rownames
print("\n=== 系数表 ===")
print(coeff_df)
# 模型指标
model_metrics = {
    'null_deviance': float(summary_reg.rx2('null.deviance')),
    'df_null': int(summary_reg.rx2('df.null')),
    'residual_deviance': float(summary_reg.rx2('deviance')),
    'df_residual': int(summary_reg.rx2('df.residual')),
    'AIC': float(summary_reg.rx2('aic')),
    'fisher_iterations': int(summary_reg.rx2('iter'))
}
metrics_df = pd.DataFrame([model_metrics])
print("\n=== 模型指标 ===")
print(metrics_df)

内容的提问来源于stack exchange，提问作者buhtz