如何用rpy2检查转换为R对象的Pandas DataFrame列的数据类型

问题背景 #

我创建了一个Pandas DataFrame，并使用rpy2将其转换为R对象，现在想要检查该R对象中某一列的数据类型。以下是我的代码：

import pandas as pd
import rpy2.robjects as ro
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri

utils = importr('utils')
base = importr('base')

pd_df = pd.DataFrame({'col_1': [1,2,3], 'col_2': [4,5,6]})

with (ro.default_converter + pandas2ri.converter).context():
    r_df = ro.conversion.get_conversion().py2rpy(pd_df)

在R中通常用str(r_df$col_1)实现，但我尝试了以下方法均未奏效：

r_df$col_1
r_df['col_1']
r_df[1,1]
robjects.r['r_df']
robjects.r('''r_df''')

可行解决方案 #

方法1：使用rpy2的base.str和rx2访问列

rpy2中访问R DataFrame的列需要用rx2()方法（对应R中的$操作符），结合R的str()函数直接调用：

# 调用base包的str函数查看列的详细结构
base.str(r_df.rx2('col_1'))

方法2：将Python中的R对象传入R环境后执行R代码

先把Python里的r_df对象放到R的全局环境中，再执行R原生的str()命令：

# 将r_df传入R全局环境
ro.globalenv['r_df'] = r_df
# 执行R代码查看列类型
ro.r('str(r_df$col_1)')

方法3：查看列的基础数据类型

如果只需要获取数据类型而非详细结构，可以用R的class()函数：

# 打印列的数据类型
print(base.class_(r_df.rx2('col_1')))

为什么之前的方法无效？ #

• r_df$col_1：Python不支持$作为属性访问符，rpy2的R对象需用rx2()替代R中的$
• r_df['col_1']：rpy2的R DataFrame不支持Python式字典索引，需用rx()或rx2()
• r_df[1,1]：rpy2中R DataFrame的索引语法为r_df.rx(行, 列)，该写法仅能取单个元素，无法获取整列
• robjects.r['r_df']/robjects.r('''r_df''')：这两种方式访问的是R环境中的对象，但Python里的r_df默认未传入R环境，因此无法找到

内容的提问来源于stack exchange，提问作者user1700890