Question

我正在尝试指定进入H2o.Frame的列类型。我已经尝试了几种不同的方式，并且在每种情况下。单元测试如下。他们都失败了，除了最后两个，但最后两个只有工作，因为我已经改变了99.0到99.9。为什么我不能告诉它99.0仍然是浮点而不是int？

import unittest
from unittest import TestCase
import h2o

class TestInputtingTypes(TestCase):
    def setUp(self):
        h2o.init()

    def test_h2o_1(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        frame = h2o.H2OFrame(data, column_types=given_types)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_2(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_3(self):
        data =[{'C1': 1, 'C2': 'one',   'C3': 9},
               {'C1': 9, 'C2': 'two',   'C3': 3},
               {'C1': 8, 'C2': 'three', 'C3': 99.0}]

        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_4(self):
        data =[{'C1': 1, 'C2': 'one',   'C3': 9},
               {'C1': 9, 'C2': 'two',   'C3': 3},
               {'C1': 8, 'C2': 'three', 'C3': 99.0}]

        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        given_types_input = {'C1': 'numeric', 'C2': 'string', 'C3': 'float'}
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types_input, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_5(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
        given_types = ['int', 'string', 'real']
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_6_this_one_passes_because_has_nonzero_decimals(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.9)]
        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        given_types_input = ['int', 'string', 'real']
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types_input, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_7_this_one_passes_because_has_nonzero_decimals(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.9)]
        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

if __name__ == "__main__" :
    unittest.main()

Answer 1

问题是int不是您可以传递给h2o col_types参数的选项，您需要传递numeric。

如果你传递numeric的real和int值，这应该可以解决你的问题 - 虽然整数将被转换为浮点数。对于使用H2O整数，因此可以将它们映射到分类（使用.asfactor()）

在H2O中，允许以下类型

“unknown” - 这将强制将列解析为所有NA

“uuid” - 列中的值必须为true UUID或将被解析为NA

“string” - 强制将列解析为字符串

“numeric” - 强制将列解析为数字。 H2O将以最佳方式处理数值数据的压缩。

“enum” - 强制将列解析为分类列。

“time” - 强制将列解析为时间列。 H2O将尝试解析以下日期时间格式列表:(日期）“yyyy-MM-dd”，“yyyy MM dd”，“dd-MMM-yy”，“dd MMM yy”，（时间）“HH： mm：ss“，”HH：mm：ss：SSS“，”HH：mm：ss：SSSnnnnnn“，”HH.mm.ss“”HH.mm.ss.SSS“，”HH.mm.ss.SSSnnnnnn ”。时间也可以包含“AM”或“PM”。

您可以在文档中查看更多详细信息：http://docs.h2o.ai/h2o/latest-stable/h2o-py/docs/h2o.html?highlight=import_file#h2o.import_file

Answer 2

在H2O中，数据存储由H2O优化，因此如果您有一个可以用较少字节存储的列（例如“int”），那么H2O将以这种方式存储它，即使您尝试强制它使用“真实”（或浮动）类型。

为了指定列类型，H2O有自己的词汇表来描述类型（详见Lauren的response），但是当你为第三列指定“numeric”时，你会看到它最终会一个int。

data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
given_types = {'C1': 'int', 'C2': 'string', 'C3': 'numeric'}
frame = h2o.H2OFrame(data, column_types=given_types)
actual_types = frame.types

结果：

In [39]: actual_types
Out[39]: {u'C1': u'int', u'C2': u'string', u'C3': u'int'}

In [40]: given_types
Out[40]: {'C1': 'int', 'C2': 'string', 'C3': 'numeric'}

Answer 3

在通过传递参数h2o.而不是()将文件保存到csv之后，只需尝试使用col_types import_file h2o.H2OFrame()。那解决了我的问题。

为什么H2oFrame会忽略我的输入列类型？

3 个答案: