rpy2中行魔法执行SVM回归时递归深度超限问题

问题重现 #

使用Python 3.9.13 + rpy2 3.5.1，在Jupyter Notebook中通过**行魔法%R**执行SVM回归代码时触发RecursionError: maximum recursion depth exceeded in comparison，但用单元格魔法%%R执行相同逻辑却正常。需要将代码整合进Python类，因此必须使用行魔法，调整sys.setrecursionlimit()无效。

原代码：

%load_ext rpy2.ipython
import pandas as pd
from sklearn.datasets import load_iris

iris_data = load_iris()
Data = pd.DataFrame(data=iris_data.data, columns=iris_data.feature_names)

from rpy2.robjects.conversion import localconverter
from rpy2.robjects import pandas2ri
import rpy2.robjects as ro

with localconverter(ro.default_converter + pandas2ri.converter):
    R_Data = ro.conversion.py2rpy(Data)

%R -i R_Data
%R library('e1071')
%R model_full <- svm(R_Data , R_Data['sepal length (cm)'])
%R full_pred <- predict(model_full , newdata = R_Data)

解决方法 #

方法1：提前提取目标变量，避免行魔法中嵌套索引

行魔法中直接使用R_Data['sepal length (cm)']可能触发Python与R对象转换的递归循环，先把目标变量单独转为R对象再传入：

# 提取目标变量并转为R对象
with localconverter(ro.default_converter + pandas2ri.converter):
    R_target = ro.conversion.py2rpy(Data['sepal length (cm)'])

%R -i R_Data -i R_target
%R library('e1071')
%R model_full <- svm(R_Data, R_target)
%R full_pred <- predict(model_full, newdata = R_Data)

方法2：改用rpy2的原生API调用R函数（更适合整合进Python类）

直接通过rpy2.robjects调用R的e1071::svm和predict，完全绕开魔法命令，更适合类封装：

%load_ext rpy2.ipython
import pandas as pd
from sklearn.datasets import load_iris
from rpy2.robjects.conversion import localconverter
from rpy2.robjects import pandas2ri
import rpy2.robjects as ro

# 加载R的e1071库
ro.r('library(e1071)')

iris_data = load_iris()
Data = pd.DataFrame(data=iris_data.data, columns=iris_data.feature_names)

# 转换数据到R
with localconverter(ro.default_converter + pandas2ri.converter):
    R_Data = ro.conversion.py2rpy(Data)
    R_target = ro.conversion.py2rpy(Data['sepal length (cm)'])

# 调用R的svm函数
model_full = ro.r['svm'](R_Data, R_target)
# 调用predict函数
full_pred = ro.r['predict'](model_full, newdata=R_Data)

# 如需转回Python对象
with localconverter(ro.default_converter + pandas2ri.converter):
    pred_py = ro.conversion.rpy2py(full_pred)

方法3：禁用自动转换，手动管理对象

关闭rpy2的自动转换功能，避免递归转换问题：

from rpy2.robjects import globalenv

# 把R_Data直接放入R全局环境
globalenv['R_Data'] = R_Data
# 提取目标变量到R全局环境
globalenv['R_target'] = R_target

# 用行魔法执行
%R library('e1071')
%R model_full <- svm(R_Data, R_target)
%R full_pred <- predict(model_full, newdata = R_Data)

原因说明 #

行魔法%R在处理嵌套的R对象索引时，可能触发Python与R之间的双向转换递归循环，而单元格魔法%%R是在独立的R上下文执行，不会触发这类递归。调整递归深度无法解决根本问题，需要从变量传递或调用方式上避免循环转换。

内容的提问来源于stack exchange，提问作者Bharath Chand