python - Rpy2 将 df 转换回 pandas 时出现问题

Question

我有一个已处理的 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 pandas 时，它会将 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，但没有成功。我该如何解决这个问题？

请注意，在转换为 pandas 之前设置 r_df[is.na(r_df)]='None' 可以解决该问题。但应该比这个简单

Answer 1

可能的问题是，R 对于 bool 值(R 术语中的“逻辑向量”)和整数值具有“NA”值，而 Python/numpy 则没有。

看看以下两个示例之间的 dtype 是如何变化的:

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

这里发生的情况是，R 数据框中的“c”列的类型为“逻辑”(LGLSXP)，但在 C 中，这是一个整数值的 R 数组，仅使用以下之一0、1 和 -2147483648(分别表示 FALSE、TRUE 和 NA)。 rpy2 转换器正在转换为整数的 numpy 向量，因为:

• rpy2 实现 numpy array interface允许跨两种语言匹配 C 数组。
• numpy 使用该接口(interface) ( numpy.array() is called by rpy2 )

诚然，这只是实现转化的方法之一，在某些情况下这并不是最方便的。使用自定义转换器可以获得更适合您的行为。

PS:关于下面的解决方法的更多说明

Note, setting r_df[is.na(r_df)]='None' prior to converting to pandas solves the issue. But it should be simpler than this

这里发生的事情是将 R bool 向量转换为字符串向量。