"ValueError: codes need to be between -1 and len(categories)-1" when extracting null values in rpy2

Question

在使用 rpy2 和来自 synthpop R 包 (SD2011) 的内置数据集时，我收到此错误：

robjects.r('head(SD2011)')
# ...
# ValueError: codes need to be between -1 and len(categories)-1

我将问题深入到一个包含空条目的列中，例如这样做时我得到了同样的错误，但不是相邻的行或列：

robjects.r('SD2011[3, 27]')

我确认这是一个空值：

robjects.r('is.na(SD2011[, 27])')
# array([0, 0, 1, ..., 0, 0, 0], dtype=int32)

为什么 rpy2 没有优雅地处理这个问题？

Here's my notebook运行通过它。

Answer 1

Why is rpy2 not handling this gracefully?

这似乎是在使用 rpy2 版本 2.9.x（开发分支 default，未来 3.[=67）将 R 因子转换为 pandas 期间触发的错误=], 没有这个问题）。具体做的时候：

res = pandas.Categorical.from_codes(numpy.asarray(obj) - 1,
                                    categories = obj.do_slot('levels'),
                                    ordered = 'ordered' in obj.rclass)

R "factor" 对象是整数向量，每个整数在 "levels" 的关联向量中有一个索引。转换器只是简单地减一，因为 R 数组是单索引的，而 Python 数组是零索引的，但是只要有缺失值 (NA)，这就会中断，因为 R 使用特定的整数来编码缺失的整数（一个极值）和 Python、numpy 和 pandas 对此没有等效项。

我打开了一个 issue to track this，与此同时，解决方法是将 R 侧的 NA 替换为一个级别（并称它们为 "missing" 或 "NA" )，将因子更改为字符串数组，或修改 pandas 转换器以获得 R 因子。例如：

robjects.r("""
  SD2011_nofactor <- SD2011 %>%
    dplyr::mutate_if(is.factor,
                     funs(as.character(.))
""")

（或使用rpy2's Pythonic interface to dplyr）

注：

做的时候很少有事情成功发生：

robjects.r('SD2011[3, 27]')

评估 R 代码 SD2011[3, 27]
该评估的结果正在经历机器人级别的转换
该转换产生的对象显示在您的笔记本中

如果不确定，找出下面的Python个语句中哪一个是第一个失败的可以告诉它：

对R代码求值（加的TRUE是为了防止求值返回 x).
```
robjects.r('x <- SD2011[3, 27]; TRUE')
```
获取从上面的评估中获得的对象 x 并将其绑定到 Python 符号（将应用转换）。
```
x = robjects.r('x')
```
显示转换对象的文本表示
```
repr(x)
```

"ValueError: codes need to be between -1 and len(categories)-1" when extracting null values in rpy2

"ValueError: codes need to be between -1 and len(categories)-1" when extracting null values in rpy2

python

r

rpy2