8

我正在使用 R 和 Python，并且我想将我的 pandas DataFrames 之一编写为羽毛，以便我可以在 R 中更轻松地使用它。但是，当我尝试将其编写为羽毛时，我收到以下错误：

ArrowInvalid: trying to convert NumPy type float64 but got float32

我仔细检查了我的列类型，它们已经是浮点数 64：

In[1]
df.dtypes

Out[1]
id         Object
cluster    int64
vector_x   float64
vector_y   float64

无论使用feather.write_dataframe(df, "path/df.feather")or ，我都会遇到相同的错误df.to_feather("path/df.feather")。

我在 GitHub 上看到了这个，但不明白它是否相关：https ://issues.apache.org/jira/browse/ARROW-1345和https://github.com/apache/arrow/issues/1430

最后，我可以将其保存为 csv 并更改 R 中的列（或仅在 Python 中进行整个分析），但我希望使用它。

编辑1：

尽管下面有很好的建议，但仍然有同样的问题，所以更新了我尝试过的内容。

df[['vector_x', 'vector_y', 'cluster']] = df[['vector_x', 'vector_y', 'cluster']].astype(float)

df[['doc_id', 'text']] = df[['doc_id', 'text']].astype(str)

df[['doc_vector', 'doc_vectors_2d']] = df[['doc_vector', 'doc_vectors_2d']].astype(list)

df.dtypes

Out[1]:
doc_id           object
text             object
doc_vector       object
cluster          float64
doc_vectors_2d   object
vector_x         float64
vector_y         float64
dtype: object

编辑2：

经过大量搜索，问题似乎在于我的集群列是由 int64 整数组成的列表类型。所以我想真正的问题是，羽毛格式是否支持列表？

编辑3：

简单地说，feather 不支持像列表这样的嵌套数据类型，至少现在还不支持。

4

3 回答 3

5

您的问题是id Object列。这些是 Python 对象，它们不能以语言中立的格式表示。这个羽毛（实际上是底层的 Apache Arrow / pyarrow）试图猜测id列的 DataType。猜测是在它在列中看到的第一个对象上完成的。这些是float64numpy 标量。后来，你有float32标量。Arrow 没有将它们强制为某种类型，而是对类型更加严格并且失败了。

您应该能够通过确保所有列都具有非对象 dtype 来解决此问题df['id'] = df['id'].astype(float)。

于 2019-01-25T17:04:47.263 回答
4

经过大量研究，简单的答案是羽毛不支持列表（或其他嵌套数据类型）列。

于 2020-01-26T21:47:44.320 回答
2
  • 幸运的是，我在这里得到了羽化 IO 错误的原因。
  • 我也得到了这个问题的解决方案，pandas.to_feather 和 read_feather 都是基于 pyarrow 的，并且从 2019 年开始，pyarrow 已经支持包含列表作为值的列。

解决方案：

pip install pyarrow==latest # my version is 1.0.0 and it work

然后，仍然使用 pd.to_feather("Filename") 和 read_feather。

于 2020-08-05T07:41:14.273 回答