使用h2o.H2OFrame（）函数将Pandas数据帧转换为H2O帧时，发生错误。
正在H2o Frame中创建其他行。当我调查这个时，看起来新行与其他行重复。根据数据大小，添加的重复行数会有所不同，但通常约为2-10。
代码：
train_h2o = h2o.H2OFrame(python_obj=train_df_complete)
print(train_df_complete.shape[0])
print(train_h2o.nrow)
输出：
3871998
3872000
正如您在此处所看到的，还添加了2行。当仔细研究时，对于2个用户，现在每个用户有2行。即2行已被复制。
这似乎是一个主要的错误，有没有人有这个问题的经验，有没有办法解决它？
谢谢
答案 0 :(得分：2)
我遇到了同样的问题，假设您的“ train_h2o”没有重复项，只需在数据帧中标识重复项的索引并将其删除即可。不幸的是，h2o数据框的功能有限。
temp_df = train_h2o.as_data_frame()
train_h2o = train_h2o.drop(list(temp_df[temp_df.duplicated()].index), axis=0)
答案 1 :(得分：0)
如果您的数据集可能包含其他并非来自此H2O错误的重复行，则建议的解决方案也会删除这些行。如果要确保仅删除H2O添加的其他行，此解决方案可能会帮助您：
temp_df = train_df_complete.copy()
temp_df['__temp_id__'] = np.arange(len(temp_df))
train_h2o = H2OFrame(temp_df)
train_h2o.drop_duplicates(columns=['__temp_id__'], keep='first')
train_h2o = train_h2o.drop('__temp_id__', axis=1)
我在这里创建的是一个临时列，然后将其用作ID，以便仅删除由H2OFrame生成的重复项。删除重复项后，我将删除临时列。这可能不是最优雅的方法，但它可以工作。
答案 2 :(得分：0)
对于特定的数据集，我也有同样的问题。 在基础数据框架上重置索引对我有用。
import h2o
train_df_complete = train_df_complete.reset_index()
train_h2o = h2o.H2OFrame(train_df_complete)
我正在使用h2o 3.30.1.3。