合并两个 H20 数据帧错误：DistributedException 'Operation not allowed on string vector。

Question

我正在尝试在操作后合并两个数据帧。

import pandas as pd
import h2o
from h2o.automl import H2OAutoML
h2o.init()
import pandas as pd

import numpy as np



support = "splvl.csv"
data = h2o.import_file(support)

df1 = data[data['X'] == 0]
df2 = data[data['X'] == 1]

df1.impute("A", method = "mean", by = ["B", "C"])
df1.impute("Q", method = "mode", by = ["B", "C"])

df2.impute("A", method = "mean", by = ["B", "C"])
df2.impute("Q", method = "mode", by = ["B", "C"])

df1["X"].table()
df2["X"].table()

df3 = df2.merge(df1)

h2o.export_file(df3, path = "merged.csv", force=True, parts=1)

执行导出到 CSV 命令时出现以下错误，

H2OServerError：HTTP 500 服务器错误： 服务器错误 water.util.DistributedException： 错误：来自 /127.0.0.1:54321 的 DistributedException：“不允许对字符串向量进行操作。” 要求：无

df3["X"].table()

服务器错误 water.exceptions.H2OKeyNotFoundArgumentException： 错误：找不到参数的对象“py_13_sid_95bb”：键 请求：GET /3/Frames/py_13_sid_95bb 参数：{'row_count'：'10'，'row_offset'：'0'，'column_count'：'-1'，'full_column_count'：'-1'，'column_offset'：'0'}

当我尝试在合并数据框中打印值计数时出现此错误

Answer 1

第一个问题可能是您的"X" 是字符串类型，您可以通过运行df1["X"].types 进行检查。您可以将其转换为因子列，然后通过 df1["X"]=df1["X"].asfactor() 允许您使用 table()。

您看到第二个错误的原因可能是因为您在运行df3 = df2.merge(df1) 时未能创建d3。

我建议验证您的列数据类型，修复那些需要转换为因子的数据，然后再次尝试合并。