使用Renjin将POJO对象的ArrayList转换为R数据帧

Question

我正在尝试使用Renjin从Java程序中存在的数据构建模型。 我有一个POJO对象的ArrayList列表，其中每个属性是String ， double或int 。 如果我调用toString()则记录如下所示：

Record{id='uibbd923e5929b43', countryCode='FR', revenue=3.14159, count=1}
Record{id='uicdd967e5942b55', countryCode='GB', revenue=0.07, count=49}
...

我实例化了R，在JVM中运行，如下所示：

ScriptEngineManager manager = new ScriptEngineManager();
ScriptEngine engine = manager.getEngineByName("Renjin");

...并将记录的ArrayList放入R中：

engine.put("records", records);

在R内部，记录存储为<externalptr>对象的列表。 可能会看到指针内部存储的值的字符串表示形式，例如

engine.eval("print(data.frame(lapply(records, as.character), stringsAsFactors=FALSE))");

但是，我确实希望将这些存储为具有正确数据类型的数据框，而不是可以视为字符串的外部指针列表。

如何将externalptr的列表转换为数据框？

更新：

至少到目前为止，这是我la脚的解决方法。 将数据写入CSV：

CSVWriter writer = new CSVWriter(new FileWriter("tmp/output.csv"), '\t');    
writer.writeNext(new String[] {"id", "countryCode", "revenue", "count"});

    for (Record record : records){

        writer.writeNext(new String[]{record.getId(),
                record.getCountryCode(),
                record.getRevenue().toString(),
                record.getCount().toString()});
    }

    writer.close();

然后让Renjin将CSV读入数据框：

engine.eval("df <- read.table(\"tmp/output.csv\", header = TRUE)");

更新：

现在，我决定改用Rserve，因为它提供了更多的灵活性。 Rserve（与Renjin相比）的一个缺点是我们现在需要确保R正在运行并已安装了必要的软件包。

Answer 1

将其作为一个小的帮助程序库可能会很有用，但是目前，您可以按照以下方式在Java中逐步“手动”构造data.frame：

StringArrayVector.Builder id = new StringArrayVector.Builder();
StringArrayVector.Builder country = new StringArrayVector.Builder(); 
DoubleArrayVector.Builder revenue = new DoubleArrayVector.Builder();
for(Record record : records) {
   id.add(record.getId());
   country.add(record.getCountry());
   revenue.add(record.getRevenue());
}

ListVector.NamedBuilder myDf = new ListVector.NamedBuilder();
myDf.setAttribute(Symbols.CLASS, StringVector.valueOf("data.frame"));
myDf.setAttribute(Symbols.ROW_NAMES, new RowNamesVector(records.size()); 
myDf.add("id", id.build());
myDf.add("country", country.build());
myDf.add("revenue", revenue.build());

从上面可以看到，一个data.frame对象实际上只是一个列列表，因此要花点时间才能使Java Beans的集合（本质上是基于行的格式）成为列的集合。

添加“ row.names”属性也很重要，nrow（）之类的函数使用该属性来获取data.frame对象的尺寸。

上面的RowNamesVector是StringVector的一种特殊实现，可以按需计算row.names“ 1”，“ 2”，“ 3”等，而无需为所有字符串分配内存。