Numpy Where多个条件，不能将dtyped [object]数组与[bool]类型的标量进行比较

Question

我试图在numpy中执行多个条件，但得到了错误：cannot compare a dtyped [object] array with a scalar of type [bool]

下面是这行代码：

d7['CAD'] = np.where(d7['Category'] == 'Stack' & d7['Currency'] == fxratetable['from_currency'],d7['CAD'] * fxratetable['fx_rate'], d7['CAD'])

除了fx_rate是float64之外，所有的dtypes都是object。

另一个想法是，我用Category = Stack查找一个值，但用我的Currency = from_currency查找多个值。

有人能帮上忙吗？

谢谢。

新错误

ValueError: Can only compare identically-labeled Series objects now. 

这是我的新声明

d7['CAD'] = np.where((d7['Category'] == 'Stack') & 
                     (d7['Currency'] == fxratetable['from_currency']),
                     d7['CAD'] * fxratetable['fx_rate'], 
                     d7['CAD'])

d7：

+--------------+----------+----------+
| CAD          | Currency | Category |
+--------------+----------+----------+
| -4350242.355 | GBP      | Stack    |
+--------------+----------+----------+
| 424223.7584  | AUD      | Stack    |
+--------------+----------+----------+

fxratetable：

+---------------+---------+
| from_currency | fx_rate |
+---------------+---------+
| GBP           | 1.367   |
+---------------+---------+
| AUD           | 0.7706  |
+---------------+---------+

需要新的CAD列。

+----------------+
| CAD (expected) |
+----------------+
| -5948957.275   |
+----------------+
| 326991.5663    |
+----------------+

Answer 1

我个人更喜欢在处理条件时使用DataFrame.apply。

d7['CAD'] = d7.apply(lambda row: row.CAD * fxratetable[fxratetable.from_currency == row.Currency].fx_rate.item() \
                                 if row.Category == 'Stack' else row.CAD, axis=1)

fxratetable[fxratetable.from_currency == row.Currency]在fxratetable中选择与正确货币对应的行，.fx_rate选择rate列，.item()提供数字，而不是系列。

您可以看到，只有row.Category == 'Stack'条件仍然存在，有问题的系列比较现在是选择的一部分。

最后，使用axis=1将该函数应用于DataFrame行(docu)。

我还没有进行过广泛的测试，所以请让我知道它是否有效。

Answer 2

问题出在布尔表达式的第二部分。假设d7不只是两行，否则就不会有这个问题。d7['Currency'] == fxratetable['from_currency']逐行比较两个序列，当行耗尽fxratetable时，它不再知道要将d7与什么进行比较。

我不知道您是否设置了使用NumPy，或者您可以做的事情是否有限制，但merge语句将非常容易地处理这些问题：

# Merge the exchange rate
d7 = pd.merge(d7, fxratetable, left_on='Currency', right_on='from_currency', how='left')
# Find the rows which have a non-NaN exchange rate and multiply
d7['CAD'] = np.where(~np.isnan(d7['fx_rate']), d7['CAD']*d7['fx_rate'], d7['CAD'])

Answer 3

我认为这将是您所期望的。我已经用一种容易理解的方式写了它。

d7 = pd.DataFrame({'CAD':[-4350242.355,424223.7584],'Currency':['GBP','AUD'],'Category':['Stack','Stack']})
fxratetable = pd.DataFrame({'from_currency':['GBP','AUD'],'fx_rate':[1.367,0.7706 ]})
_condition1 = d7['Category'] == 'Stack'
_condition2 = d7['Currency'] == fxratetable['from_currency']
d7['CAD (expected)'] = np.where(_condition1 & _condition2,d7['CAD'] * fxratetable['fx_rate'],d7['CAD'])
d7

输出

​