H2O中含空格等特殊符号的因子列调用relevel()报错如何解决

根因说明 #

报错是因为H2O的Python客户端调用relevel()接口时会自动对传入的字符串参数做URL编码，带空格、+、-等特殊符号的level值会被转义（比如示例里的Mexico City被转成了Mexico%20City），和列内实际存储的level不匹配，因此抛出找不到对应level的错误。

可行解决方案 #

方案1：通过索引指定基准level（推荐） #

不用传入字符串形式的level值，先查询目标level的索引，直接用索引调用relevel()即可避开编码问题：

# 将目标列转为因子类型
city_col = hf['city'].asfactor()
# 获取该列所有level列表
levels = city_col.levels()[0]
# 查找目标level对应的索引
target_level = "Mexico City"
target_idx = levels.index(target_level)
# 用索引调用relevel设置基准
city_col.relevel(target_idx)

方案2：用set_levels手动重排level顺序 #

relevel()的本质是把目标level移动到所有level的第一位，你可以手动调整level列表顺序后重新赋值，兼容性更强，支持所有特殊符号的level：

city_col = hf['city'].asfactor()
levels = city_col.levels()[0]
target_level = "Mexico City"
# 构造新的level列表，目标level放在第一位，其余保持原有顺序
new_levels = [target_level] + [level for level in levels if level != target_level]
# 给列重新设置level
city_col.set_levels(new_levels)

设置完成后可通过city_col.levels()[0][0]验证第一个level是否为目标值。

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