ValueError从RapidMiner Studio中执行RapidMiner处理器返回熊猫时的RapidMiner

Question

在RapidMiner Studio 9.5.1中，在我的python脚本完成后，我可以打印出结果数据，并看到它是按照预期的方式生成的，并使用适当的列。rapidminer处理器在消息中仍然失败：

Exception: com.rapidminer.operator.OperatorException
Message: Script terminated abnormally: ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
Stack trace:
  com.rapidminer.extension.pythonscripting.operator.scripting.AbstractScriptRunner.run(AbstractScriptRunner.java:137)
  com.rapidminer.extension.pythonscripting.operator.scripting.AbstractScriptingLanguageOperator.doWork(AbstractScriptingLanguageOperator.java:210)
  com.rapidminer.extension.pythonscripting.operator.scripting.python.PythonScriptingOperator.doWork(PythonScriptingOperator.java:434)
  com.rapidminer.operator.Operator.execute(Operator.java:1032)
  com.rapidminer.operator.execution.SimpleUnitExecutor.execute(SimpleUnitExecutor.java:77)
  com.rapidminer.operator.ExecutionUnit$2.run(ExecutionUnit.java:812)
  com.rapidminer.operator.ExecutionUnit$2.run(ExecutionUnit.java:807)
  java.security.AccessController.doPrivileged(Native Method)
  com.rapidminer.operator.ExecutionUnit.execute(ExecutionUnit.java:807)
  com.rapidminer.operator.OperatorChain.doWork(OperatorChain.java:423)
  com.rapidminer.operator.Operator.execute(Operator.java:1032)
  com.rapidminer.Process.executeRoot(Process.java:1378)
  com.rapidminer.Process.lambda$executeRootInPool$5(Process.java:1357)
  com.rapidminer.studio.concurrency.internal.AbstractConcurrencyContext$AdaptedCallable.exec(AbstractConcurrencyContext.java:328)
  java.util.concurrent.ForkJoinTask.doExec(ForkJoinTask.java:289)
  java.util.concurrent.ForkJoinPool$WorkQueue.runTask(ForkJoinPool.java:1056)
  java.util.concurrent.ForkJoinPool.runWorker(ForkJoinPool.java:1692)
  java.util.concurrent.ForkJoinWorkerThread.run(ForkJoinWorkerThread.java:157)

没有提供任何其他洞察力，也没有引用脚本中我的代码中的一行。我已经更新了numpy库，以防它与旧版本存在兼容性问题，但仍然没有解决方案。

numpy                     1.14.5                   pypi_0    pypi
numpy-base                1.16.4           py36hc3f5095_0    defaults
numpydoc                  0.9.1                      py_0    defaults
pandas                    0.25.3           py36ha925a31_0    defaults

此外，当检查python环境是否正常(Anaconda )时，从Settings>Preferences>Python脚本到RapidMiner，所有测试都会成功通过。

来自.rmp文件的处理器xml是：

  <operator activated="true" class="python_scripting:execute_python" compatibility="9.5.000" expanded="true" height="103" name="Execute Python" width="90" x="313" y="34">
    <parameter key="script" value="import pandas&#10;&#10;# rm_main is a mandatory function, &#10;# the number of arguments has to be the number of input ports (can be none)&#10;def rm_main(data):&#10;    print('Hello, world!')&#10;    # output can be found in Log View&#10;    print(type(data))&#10;&#10;    #your code goes here&#10;&#10;    #for example:&#10;    data2 = pandas.DataFrame([3,5,77,8])&#10;&#10;    # connect 2 output ports to see the results&#10;    return data, data2"/>
    <parameter key="script_file" value="%{ResourcePath}\detect_aggressive_language.py"/>
    <parameter key="notebook_cell_tag_filter" value=""/>
    <parameter key="use_default_python" value="true"/>
    <parameter key="package_manager" value="conda (anaconda)"/>
    <description align="center" color="transparent" colored="false" width="126">Detect Script</description>
  </operator>

到目前为止，我已经尝试过：

1. 用我的计算列更新初始的DataFrame (数据)并返回它。
2. 用我的列创建一个新的DataFrame，然后单独或作为数据之后的第二个参数返回。
3. 创建一个方法(在脚本中)，它接受初始DataFrame数据作为参数，进行修改，然后返回它。
4. Pickle新DataFrame，保存它，加载它并返回它。

所有这些尝试都导致了上述相同的错误。

我的猜测是，RapidMiner对处理器的完成进行了某种检查，它使用了产生上述错误的代码，因此它失败了，处理器终止了。

是否有一种特殊的适当方法来处理和返回DataFrames中的RapidMiner以绕过错误，或者我还可以检查其他什么方法来找出问题的所在？

Answer 1

为了进一步调试这个问题，我开始一个接一个地将新列添加到我生成的DataFrame中。这使我得出以下发现：

当DataFrame包含一个列(pandas.DataFrame.Series)，其元素是numpy.ndarrays或lists，其元素都是零(整数或浮点数)时，就会出现问题。当“执行Python”处理器返回时，RapidMiner试图确定DataFrame的每个单元格是以Null格式返回还是具有一个值。为此，根据异常堆栈跟踪，当元素是列表或numpy ndarray时，代码必须检查单元格的内容是否为None，这不是进行此检查的有效方法。因此出现了异常消息，它告诉我们，当数组中存在更多的元素时，不能确定真值(或它是否为空)，尽管它们都为零。

因此，在本例中，解决方案是确保当返回的DataFrame有包含列表或数组的列时，它们的任何实例都不包含所有零。还可以避免在返回的DataFrame中放置列表或数组。另一件可以工作的事情是在代码中进行适当的无效检查(使用array.all())，当找到一个包含所有零元素的数组或列表时，整个单元格的内容将被替换为None或另一个值，结果的接收方将其解释为null。当然，我们也可以等待RapidMiner Studio的下一个版本，它可能以正确的方式进行检查。