Python 为什么H2oFrame会忽略我的输入列类型？

我试图指定进入H2o.Frame的列类型。我试过几种不同的方法，在每种情况下都是如此。单元测试如下。除了最后两个，它们都失败了，但最后两个都有效，因为我将99.0改为99.9。为什么我不能告诉它99.0仍然是一个浮点而不是整数

import unittest
from unittest import TestCase
import h2o

class TestInputtingTypes(TestCase):
    def setUp(self):
        h2o.init()

    def test_h2o_1(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        frame = h2o.H2OFrame(data, column_types=given_types)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_2(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_3(self):
        data =[{'C1': 1, 'C2': 'one',   'C3': 9},
               {'C1': 9, 'C2': 'two',   'C3': 3},
               {'C1': 8, 'C2': 'three', 'C3': 99.0}]

        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_4(self):
        data =[{'C1': 1, 'C2': 'one',   'C3': 9},
               {'C1': 9, 'C2': 'two',   'C3': 3},
               {'C1': 8, 'C2': 'three', 'C3': 99.0}]

        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        given_types_input = {'C1': 'numeric', 'C2': 'string', 'C3': 'float'}
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types_input, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_5(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
        given_types = ['int', 'string', 'real']
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_6_this_one_passes_because_has_nonzero_decimals(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.9)]
        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        given_types_input = ['int', 'string', 'real']
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data, column_types=given_types_input, column_names=names)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

    def test_h2o_7_this_one_passes_because_has_nonzero_decimals(self):
        data =[(1,'one', 9),(9,'two',3), (8,'three', 99.9)]
        given_types = {'C1': 'int', 'C2': 'string', 'C3': 'real'}
        names = ['C1', 'C2', 'C3']
        frame = h2o.H2OFrame(data)
        actual_types = frame.types

        self.assertDictEqual(given_types, actual_types)

if __name__ == "__main__" :
    unittest.main()

---

问题是，

int

不是可以传递给h2o

col\u types

参数的选项，您需要传递

numeric

如果传递实数和int值的

numeric

，应该可以解决问题-尽管整数将转换为浮点。对于 使用H2O整数可以将它们映射到Category（使用

.asfactor（）

）

在H2O中，允许以下类型

“未知”-这将强制将列解析为所有NA

“uuid”-列中的值必须为真uuid或将被解析为NA

“string”-强制将列解析为字符串

“numeric”-强制将列解析为数字。H2O将以最佳方式处理数字数据的压缩

“enum”-强制将列解析为分类列

“时间”-强制将列解析为时间列。H2O将尝试解析以下日期时间格式列表：（日期）“yyyy-MM-dd”、“yyyy-MM-dd”、“dd-MMM-yy”、“dd-MMM-yy”，（时间）“HH:MM:ss”、“HH:MM:ss:SSS”、“HH:MM:ss:sssnnnn”、“HH.MM.ss”“HH.MM.ss.SSS”、“HH.MM.ss.sssnnnn”。时间也可以包含“上午”或“下午”

---

您可以在文档中看到更多详细信息：

问题在于

int

不是一个可以传递到h2o

col\u types

参数的选项，您需要传递

numeric

如果传递实数和int值的

numeric

，应该可以解决问题-尽管整数将转换为浮点。对于 使用H2O整数可以将它们映射到Category（使用

.asfactor（）

）

在H2O中，允许以下类型

“未知”-这将强制将列解析为所有NA

“uuid”-列中的值必须为真uuid或将被解析为NA

“string”-强制将列解析为字符串

“numeric”-强制将列解析为数字。H2O将以最佳方式处理数字数据的压缩

“enum”-强制将列解析为分类列

“时间”-强制将列解析为时间列。H2O将尝试解析以下日期时间格式列表：（日期）“yyyy-MM-dd”、“yyyy-MM-dd”、“dd-MMM-yy”、“dd-MMM-yy”，（时间）“HH:MM:ss”、“HH:MM:ss:SSS”、“HH:MM:ss:sssnnnn”、“HH.MM.ss”“HH.MM.ss.SSS”、“HH.MM.ss.sssnnnn”。时间也可以包含“上午”或“下午”

---

您可以在文档中看到更多详细信息：

在H2O中，数据存储是通过H2O优化的，因此如果您有一个可以用更少字节存储的列（例如“int”），那么H2O将以这种方式存储它，即使您试图强制它使用“real”（或float）类型

对于指定列类型，H2O有自己的词汇表来描述类型（在Lauren的中有详细说明），但您会看到，当您为第三列指定“numeric”时，它将以int结尾

data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
given_types = {'C1': 'int', 'C2': 'string', 'C3': 'numeric'}
frame = h2o.H2OFrame(data, column_types=given_types)
actual_types = frame.types

结果：

In [39]: actual_types
Out[39]: {u'C1': u'int', u'C2': u'string', u'C3': u'int'}

In [40]: given_types
Out[40]: {'C1': 'int', 'C2': 'string', 'C3': 'numeric'}

---

在H2O中，数据存储是通过H2O优化的，因此如果您有一个可以用更少字节存储的列（例如“int”），那么H2O将以这种方式存储它，即使您试图强制它使用“real”（或float）类型

对于指定列类型，H2O有自己的词汇表来描述类型（在Lauren的中有详细说明），但您会看到，当您为第三列指定“numeric”时，它将以int结尾

data =[(1,'one', 9),(9,'two',3), (8,'three', 99.0)]
given_types = {'C1': 'int', 'C2': 'string', 'C3': 'numeric'}
frame = h2o.H2OFrame(data, column_types=given_types)
actual_types = frame.types

结果：

In [39]: actual_types
Out[39]: {u'C1': u'int', u'C2': u'string', u'C3': u'int'}

In [40]: given_types
Out[40]: {'C1': 'int', 'C2': 'string', 'C3': 'numeric'}

---

将文件保存到csv后，使用传递的参数

col\u types

而不是

h2o.H2OFrame（）

尝试使用

h2o.

。这就解决了我的问题。

只要尝试使用

h2o。

（）

将文件保存到csv后，使用传递的参数

列类型，而不是
h2o.H2OFrame（）
。这解决了我的问题。
输入“数值”而不是“真实”将无法解决问题。如果在可转换为[9,3,99.0]等整数的列中传入“numeric”，则
frame.types
仍将显示“int”作为类型。传入“numeric”而不是“real”不会解决问题。如果在可以转换为[9,3,99.0]等整数的列中传入“numeric”，则
frame.types
仍将显示“int”作为类型。