如何用rpy2将含NA文本列的R数据框转为Python并恢复旧行为？

在rpy2新版本中，使用localconverter结合pandas2ri.converter转换R数据框时，字符列的NA会被转为字符串NA_character_，而旧版本会直接映射为Python的NaN。要恢复旧版本的转换行为，你需要自定义字符型向量的转换规则，覆盖默认的转换逻辑。

解决方案代码 #

import rpy2.robjects as ro
from rpy2.robjects.conversion import localconverter, Converter
from rpy2.robjects import pandas2ri
import pandas as pd
import numpy as np

# 自定义字符向量转换函数：将R的NA_character_转为NaN
def r_charvec_to_py(vec):
    py_list = list(vec)
    # 替换NA_character_为NaN
    return [np.nan if x == 'NA_character_' else x for x in py_list]

# 创建自定义转换器，并注册字符向量的转换规则
custom_converter = Converter()
custom_converter.rpy2py.register(ro.vectors.StrVector, r_charvec_to_py)

# 构造R数据框
ro.r('n = c(1,2)')
ro.r("b = c(NA,'def')")
ro.r("df = data.frame(n,b)")
rdf = ro.r('df')

# 使用自定义转换器+ pandas2ri转换器进行转换
with localconverter(ro.default_converter + pandas2ri.converter + custom_converter):
    df = ro.conversion.rpy2py(rdf)

print(df)

运行结果 #

n    b
0  1.0  NaN
1  2.0  def

补充说明 #

如果你的pandas版本支持pd.NA（更适合字符串列的缺失值表示），可以把转换函数里的np.nan换成pd.NA，结果会显示为<NA>，这也是更符合pandas字符串类型的缺失值处理方式。

内容的提问来源于stack exchange，提问作者Federico Cozzi