rpy2：如何正确地将 NaN 转换为 NA 从 panda.DataFrame 到 R？

Question

我正在尝试使用 rpy2 库将数据帧从 python 传递到 R。我尝试了以下方法，但失败了。

• 什么都不做 - 显然它在 python 中是 NaN 并导致运行 时间错误。
• fillna('NA') - 当由 R 解释时，它是字符而不是 NA。
• fillna(robjects.NA_Logical) - NaN 将变为 0 而不是 将进行插补。
• fillna(robjects.NA_real) - 保持为 NaN 并导致运行 时间错误。
• 在使用 pandas2ri.py2ri() 传入方法之前将其转换为 r 数据帧 - 相同的运行时错误。

import pandas as pd
import rpy2.robjects as robjects
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri
pcaMethods = importr('pcaMethods')
pandas2ri.activate()

train_df = pd.read_csv('C:\\misc\\train.csv')
train_dfNA = train_df.fillna(robjects.NA_Real)
result = pcaMethods.pca(train_dfNA, method="svd", nPcs=2)

我希望在 python 中进行转换和任何其他操作，而 R 仅用于执行我需要的方法（很少但仍然需要）。或者，我知道我可以通过robjects.r 发送 R 代码来执行任务，但这是另一个讨论主题。

编辑：我得到的错误如下

rpy2.rinterface.RRuntimeError: Error in (function (object, method, nPcs = 2, scale = c("none", "pareto",  : Invalid data format.Run checkData(data, verbose=TRUE) for details

Answer 1

在 R 中，为不同的数组类型定义了不同的“NA”值。类型转换和类型层次结构使其在执行array[i] <- NA 之类的操作时“正常工作”。

以下是 R 中的一些 NA 值以及它们在 rpy2 中的映射方式：

import rpy2.robjects as ro
print('%12s   %12s   %20s' % ('rpy2 name', 'R', 'rpy2 type'))
for s in ('NA_Character', 'NA_Real', 'NA_Integer', 'NA_Logical'): 
    r = getattr(ro, s) 
    print('%12s   %12s   %20s' % (s, r, r.typeof if hasattr(r, 'typeof')
                                  else 'Native Python object')) 

你应该得到类似的东西：

rpy2 name      R                rpy2 type                                                                           
NA_Character   NA_character_    RTYPES.CHARSXP
NA_Real        NA_real_         Native Python object
NA_Integer     NA_integer_      Native Python object
NA_Logical     NA               Native Python object

这里你使用pandas 来设置你的NA 值，所以调用fillna() 得到的类型在传递给R 时很重要。

关于运行时错误，您没有共享它，但我怀疑这是称为报告缺失值使 PCA 无法执行的 R 函数。

最后，我从文件路径中看到您在 Windows 上使用 rpy2。不幸的是，在 Windows 上使用 rpy2 范围从“不支持”到“甚至不会安装”，具体取决于版本。