python - 使用具有混合类型列的 rpy2 将 pandas df 转换为 R data.frame

Question

如果我有一个 Pandas 数据框，其中包含一个混合了字符和数字数据的列，例如:

d = {'one' : pd.Series(['cat', 2., 3.], index=['a', 'b', 'c']),
 'two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])} 
df = pd.DataFrame(d)

%%R -i df
str(df)

然后当使用 rpy2 将其转换为 R data.frame 时，混合列中的每个值在 R data.frame 中被赋予其自己的列，并填充相同的值。上面的代码生成了一个包含 5 列而不是 2 列的 data.frame:

'data.frame':   4 obs. of  5 variables:
 $ one.a: chr  "cat" "cat" "cat" "cat"
 $ one.b: num  2 2 2 2
 $ one.c: num  3 3 3 3
 $ one.d: num  NaN NaN NaN NaN
 $ two  : num  1 2 3 4

这是预期的行为吗？如果是，为什么？

(我正在使用在 Python 3.5.4 |Anaconda 自定义(64 位)| Windows 10 和 rpy2 2.9.1 上运行的 Jupyter notebook 5.0.0)

谢谢。

Answer 1

看起来 rpy2 正在制作一个 r listvector 而不是 r stringvector。我在转换数据框时遇到了类似的问题，有些列同时具有字符串和 NaN。尽管我使用的是 pandas2ri.py2ri() 而不是 R magic，但我认为它们是相似的。

此代码似乎有效。

# Your code with pandas2ri instead of rmagic
d = {'one' : pandas.Series(['cat', 2., 3.], index=['a', 'b', 'c']),
     'two' : pandas.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])} 
df = pandas.DataFrame(d)

print(df)

pandas2ri.activate()
r_df = pandas2ri.py2ri(df)
print(r_df)

# convert each column individually to see the vector type in R
r_df1 = pandas2ri.py2ri(df['one'])
print(type(r_df1))

r_df2 = pandas2ri.py2ri(df['two'])
print(type(r_df2))

# Make an rpy2 OrdDict, be sure to include the None to avoid indexing problems
od = rlc.OrdDict([('one', robjects.StrVector(['cat', 2., 3., None])),
                  ('two', robjects.FloatVector([1., 2., 3., 4.]))])

# make a vector for rownames
od_rownames = robjects.StrVector(['a', 'b', 'c', 'd'])

# convert the OrdDict to an r dataframe and assign rownames
od_df = robjects.DataFrame(od)
print(od_df)

od_df.rownames = od_rownames
print(od_df)

更多信息可用https://rpy2.github.io/doc/v2.9.x/html/vector.html#creating-objects