Rpy2将包含空值的分类数据转换为R因数

Question

我有一个带有包含NaN值的分类列的熊猫数据框，例如：

g = pd.Series(["A", "B", "C", np.nan], dtype="category")
g

0      A
1      B
2      C
3    NaN
dtype: category
Categories (3, object): [A, B, C]

在熊猫中，NaN不是类别，但是您可以在分类数据中包含NaN值。 我想在Jupyter笔记本中使用%% R将此数据帧传递给R。 R成功地将分类列识别为一个因子，但是该因子的格式不正确，大概是因为Nan值：

%%R -i g
str(g)
Factor w/ 3 levels "A","B","C": 1 2 3 0
 - attr(*, "names")= chr [1:4] "0" "1" "2" "3" 

print(g)
Error in as.character.factor(x) : malformed factor

是否有任何方法可以确保该因子没有格式错误-例如自动创建NA因子水平？

R：3.5.1，rpy2：2.9.4，Python-3

Answer 1

在撰写本文时，这是rpy2转换熊猫类别的错误，该错误已修复，并且将从2.9.5版本开始包含在rpy2中： https ://bitbucket.org/rpy2/rpy2/issues/493/rpy2- 转换-的-分类数据

解决方法相当简单：不要在熊猫类别中使用NaN 。

g = pd.Series(["A", "B", "C", np.nan], dtype="category")
# Prepare alternative representation to pass it to R
g_r = g.replace(np.nan, 'Missing')

现在转换时看起来像：

%%R -i g_r
str(g_r)

Factor w/ 4 levels "A","B","C","Missing": 1 2 3 4
- attr(*, "names")= chr [1:4] "0" "1" "2" "3"

转换回R NA只是降低添加级别的问题：

%%R -i g_r
str(droplevels(g_r, exclude = "Missing")) 

Factor w/ 3 levels "A","B","C": 1 2 3 NA
- attr(*, "names")= chr [1:4] "0" "1" "2" "3"