Question

我已经处理了一个R数据框：

import rpy2.robjects as ro
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri

from rpy2.robjects.conversion import localconverter
pandas2ri.activate()
import pandas as pd

%%R
n = c(2, 3, 5) 
s = c("aa", "bb", "cc")
b = c(TRUE, FALSE, TRUE) 
r_df = data.frame(n, s, b)
r_df[['c']]=NA

r_df

#out:
#  n  s b  c
#1 2 aa 1 NA
#2 3 bb 0 NA
#3 5 cc 1 NA

当我将其转换为熊猫时，它将NA替换为整数。

with localconverter(ro.default_converter + pandas2ri.converter):
    pd_from_r_df = ro.conversion.rpy2py(ro.r('r_df'))

pd_from_r_df
#Out:
#   n        s  b   c
#1  2.0     aa  1   -2147483648
#2  3.0     bb  0   -2147483648
#3  5.0     cc  1   -2147483648

我尝试在r_df的列中设置不同的数据类型，但无济于事。我该如何解决这个问题？

请注意，在转换为熊猫之前设置r_df[is.na(r_df)]='None'可解决此问题。但这应该比这简单

Answer 1

可能的问题是R对于布尔值（R语言中的“逻辑向量”）和整数值具有“ NA”值，而Python / numpy没有。

看看下面两个示例中dtype的变化方式：

In [1]: import pandas                     

In [2]: pandas.Series([True, False, True])
Out[2]: 
0     True
1    False
2     True
dtype: bool

In [3]: pandas.Series([True, False, None])
Out[3]: 
0     True
1    False
2     None
dtype: object

这里发生的是您的R数据帧中的列“ c”的类型为“逻辑”（LGLSXP），但是在C中，这是一个整数数组，它仅使用0、1中的一个和-2147483648（分别用于FALSE，TRUE和NA）。 rpy2转换器将转换为整数的numpy向量，因为：

rpy2实现了numpy array interface，以允许在两种语言中匹配C数组。
numpy使用该界面（numpy.array() is called by rpy2）

诚然，这只是进行转换的方法之一，在某些情况下这不是最方便的。使用自定义转换器可以获取更适合您的行为。

PS：以下有关您的解决方法的另一条注意事项

请注意，在转换为熊猫之前，设置r_df [is.na（r_df）] ='None' 解决了这个问题。但这应该比这简单

这里发生的是，您正在将R布尔向量转换为字符串向量。

将DF转换回熊猫的Rpy2问题

1 个答案: