Rpy2將包含空值的分類數據轉換為R因數

Question

我有一個帶有包含NaN值的分類列的熊貓數據框，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]

在熊貓中，NaN不是類別，但是您可以在分類數據中包含NaN值。 我想在Jupyter筆記本中使用%% R將此數據幀傳遞給R。 R成功地將分類列識別為一個因子，但是該因子的格式不正確，大概是因為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確保該因子沒有格式錯誤-例如自動創建NA因子水平？

R：3.5.1，rpy2：2.9.4，Python-3

Answer 1

在撰寫本文時，這是rpy2轉換熊貓類別的錯誤，該錯誤已修復，並且將從2.9.5版本開始包含在rpy2中： https ://bitbucket.org/rpy2/rpy2/issues/493/rpy2- 轉換-的-分類數據

解決方法相當簡單：不要在熊貓類別中使用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')

現在轉換時看起來像：

%%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"

轉換回R NA只是降低添加級別的問題：

%%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"