rpy2调用sidrar包时报py2rpy不支持pandas DataFrame转换错误

场景说明 #

通过Python的rpy2库调用R生态的sidrar包获取Sidra平台数据，未使用sidrapy、DadosAbertosBrasil等Python原生工具包，原因是需要基于存储在Data.txt中的Sidra API地址批量生成CSV文件，sidrar包更适配该场景。

初始实现代码 #

import pandas as pd
import numpy as np
import rpy2.robjects.packages as rp
from rpy2 import robjects as ro

utils = rp.importr('utils')
utils.chooseCRANmirror(ind=1)
utils.install_packages("sidrar")
sidrar = rp.importr("sidrar")
    
table_NameUrl = pd.read_csv("Data.txt", sep=";", header= None)
table_Size = len(table_NameUrl)
sequence = np.arange(1, table_Size, 2)
for i in sequence:
 csvName = table_NameUrl.iloc[::2]
 csvUrl = table_NameUrl.iloc[1::2]
 last_url = "/n3/all/n6/in%20n3%2028"
 fileName = (tableName + ".csv")
 url = (csvUrl + last_url)
 ro.globalenv['fileName'] = fileName
 ro.globalenv['url'] = url
 ro.r('table= get_sidra(api= url)')
 ro.r('write.csv(table, file= fileName, row.names = F)')

Data.txt文件格式 #

文件逐行存储文件名和对应API前缀，示例内容如下：

Panu 2.1.1, 2.1.5
/t/2093/p/2000,2010/v/93/c86/2776,2777,2778,2779,2780,2781/c2/0,4,5/c1/1,2/
Panu 5.1.1, 5.1.2, 5.1.3, 5.1.4, 5.1.5, 5.1.6, 5.1.7, 5.1.9, 5.1.10
/t/1612/p/2013,2014,2015,2016,2017/v/109,216,214/c81/2688,2691,2692,2694,2696,2708,2702,2715,2703/
Panu 5.1.8
/t/839/p/2013,2014,2015,2016,2017/v/109,216,214/c81/114254/

补充说明：last_url是Sidra API的地址补全后缀，需要和从文件读取的前缀拼接才能生成完整的有效请求地址。

报错信息 #

将拼接生成的CSV文件名fileName和请求地址url传入R全局环境时触发如下报错：

Conversion 'py2rpy' not defined for objects of type '<class 'pandas.core.frame.DataFrame'>'

原因 #

初始代码中通过iloc切片取到的csvName、csvUrl均为Pandas DataFrame类型对象，rpy2默认不支持该类型到R对象的自动转换，因此触发转换失败。

解决方案 #

引入rpy2的本地转换器，显式完成Pandas对象到R对象的转换即可解决该问题，需要新增的代码逻辑如下：

# 需提前导入pandas2ri模块，对应代码中的pr别名
from rpy2.robjects import pandas2ri as pr
from rpy2.robjects.conversion import localconverter as lc

with lc(ro.default_converter + pr.converter):
  fileName_c = ro.conversion.py2rpy(fileName)
  url_c = ro.conversion.py2rpy(url)
ro.globalenv['fileName'] = fileName_c
ro.globalenv['url'] = url_c

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