使用reticulate调用sklearn fit()时R数据框触发类型错误求助

我刚踩过类似的R与Python类型转换的小坑，很容易理解你的困扰，让我帮你梳理下问题和解决方案：

错误根源 #

你遇到的TypeError: 'float' object cannot be interpreted as an integer主要来自两个细节：

1. 参数类型不匹配：R里直接写的15是双精度浮点数（执行typeof(15)会返回"double"），而sklearn的LocalOutlierFactor要求n_neighbors参数必须是整数类型。当reticulate把R的double值传给Python时，会被识别成float，触发类型错误。
2. 输入数据格式问题：sklearn模型的fit方法期望接收二维数值数组（比如numpy的ndarray），但R的data.frame在默认转换逻辑下，无法被sklearn直接正确解析。

修正后的代码 #

调整这两处细节就能解决问题：

# Sample Data 
n <- 5000 
n_outlier <- as.integer(.05 * n)  # 显式转整数，避免后续隐式类型转换隐患
set.seed(11212) 
inlier <- mvtnorm::rmvnorm(n, mean = c(0,0)) 
outlier <- mvtnorm::rmvnorm(n_outlier, mean = c(20, 20)) 
testdata <- rbind(inlier, outlier) 
smp_size <- floor(0.5 * nrow(testdata)) 
train_ind <- sample(seq_len(nrow(testdata)), size = smp_size) 
train_lof <- as.data.frame(testdata[train_ind, ]) 
test_lof <- as.data.frame(testdata[-train_ind, ]) 

sklearn.neighbors <- import("sklearn.neighbors") 
# 1. 将n_neighbors转为整数类型，匹配sklearn参数要求
lof1 <- sklearn.neighbors$LocalOutlierFactor(n_neighbors = as.integer(15)) 
# 2. 将data.frame转为matrix，reticulate会自动转成numpy ndarray供sklearn使用
lof1$fit(as.matrix(train_lof))

额外补充 #

• 我把n_outlier也转成了整数，虽然mvtnorm::rmvnorm可以接受numeric类型的n，但显式转换能避免潜在的类型问题。
• 如果你更习惯用pandas DataFrame，也可以用reticulate::r_to_py()把R的data.frame转换成Python的pandas对象，sklearn同样支持：

  lof1$fit(reticulate::r_to_py(train_lof))
  

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