首页 文章

使用Renjin将POJO对象的ArrayList转换为R数据帧

提问于
浏览 次
1

我正在尝试使用Renjin从Java程序中存在的数据构建模型 . 我有一个 ArrayList POJO对象列表，其中每个属性都是 String ， double 或 int . 如果我调用 toString() ，记录看起来像这样：

Record{id='uibbd923e5929b43', countryCode='FR', revenue=3.14159, count=1}
Record{id='uicdd967e5942b55', countryCode='GB', revenue=0.07, count=49}
...

我实例化了R，在JVM中运行，如下所示：

ScriptEngineManager manager = new ScriptEngineManager();
ScriptEngine engine = manager.getEngineByName("Renjin");

...并将 ArrayList 条记录放入R：

engine.put("records", records);

在R内部，记录存储为 <externalptr> 对象的列表 . 可以看到存储在指针内的值的字符串表示，例如，

engine.eval("print(data.frame(lapply(records, as.character), stringsAsFactors=FALSE))");

但是，我真的希望这些存储为具有正确数据类型的数据帧，而不是可以被视为字符串的外部指针列表 .

如何将 externalptr 的列表转换为数据帧？

更新：

这是我蹩脚的解决方法，至少现在是这样 . 将数据写入CSV：

CSVWriter writer = new CSVWriter(new FileWriter("tmp/output.csv"), '\t');    
writer.writeNext(new String[] {"id", "countryCode", "revenue", "count"});

    for (Record record : records){

        writer.writeNext(new String[]{record.getId(),
                record.getCountryCode(),
                record.getRevenue().toString(),
                record.getCount().toString()});
    }

    writer.close();

然后Renjin将CSV读入数据帧：

engine.eval("df <- read.table(\"tmp/output.csv\", header = TRUE)");

更新：

目前，我决定使用Rserve，因为它提供了更多的灵活性 . Rserve（vs Renjin）的一个缺点是我们现在需要确保R正在运行并安装了必要的软件包 .

java r renjin

1 回答

  • 2

    这可以作为一个小帮助库组合在一起，但是目前，您可以通过以下方式在Java中“手动”构建一个data.frame：

    StringArrayVector.Builder id = new StringArrayVector.Builder();
StringArrayVector.Builder country = new StringArrayVector.Builder(); 
DoubleArrayVector.Builder revenue = new DoubleArrayVector.Builder();
for(Record record : records) {
   id.add(record.getId());
   country.add(record.getCountry());
   revenue.add(record.getRevenue());
}

ListVector.NamedBuilder myDf = new ListVector.NamedBuilder();
myDf.setAttribute(Symbols.CLASS, StringVector.valueOf("data.frame"));
myDf.setAttribute(Symbols.ROW_NAMES, new RowNamesVector(records.size()); 
myDf.add("id", id.build());
myDf.add("country", country.build());
myDf.add("revenue", revenue.build());

    从上面可以看到，data.frame对象实际上只是一个列的列表，因此需要花费一点时间才能将一堆Java Bean（基本上是基于行的格式）添加到一组列中 .

    添加“row.names”属性也很重要，该属性由nrow（）等函数使用以获取data.frame对象的维度 .

    上面的RowNamesVector是StringVector的一个专门实现，它根据需要计算row.names“1”，“2”，“3”等，而不为所有字符串分配内存 .

    回复于

相关问题