Numpy Where Multiple Conditions , ne peut pas comparer un tableau dtypé [object] avec un scalaire de type [bool].

Question

J'essaie de faire des conditions multiples dans un where numpy mais j'obtiens l'erreur : cannot compare a dtyped [object] array with a scalar of type [bool]

Voici la ligne :

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

Tous dtypes sont object sauf pour fx_rate qui est float64 .

Une autre idée est que je recherche une valeur avec Category = Stack mais je cherche des valeurs multiples avec mon Currency = from_currency .

Quelqu'un peut-il m'aider ?

Gracias.

nouvelle erreur

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

Voici ma nouvelle déclaration

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  |
+---------------+---------+

Nouvelle colonne CAO attendue.

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

Answer 1

Le problème se situe au niveau de la deuxième partie de l'expression booléenne. On peut supposer que d7 est plus que deux rangées, sinon il n'y aurait pas ce problème. d7['Currency'] == fxratetable['from_currency'] compare les deux séries rangée par rangée, et quand les rangées sont à court de fxratetable il ne sait pas quoi comparer d7 de plus.

Je ne sais pas si vous avez décidé d'utiliser NumPy ou s'il y a des limites à ce que vous pouvez faire, mais une déclaration de fusion permettrait de gérer cela très facilement :

# 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 2

Je préfère personnellement DataFrame.apply lorsqu'il s'agit de conditions.

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] sélectionne la ligne dans fxratetable qui correspond à la bonne devise, .fx_rate sélectionne la colonne des taux, et .item() donne le numéro, au lieu d'une série.

Vous pouvez voir que seul le row.Category == 'Stack' La condition demeure, la comparaison problématique des séries fait maintenant partie de la sélection.

Et enfin, axis=1 est utilisé pour appliquer la fonction aux lignes du DataFrame ( document ).

Je ne l'ai pas testé de manière approfondie, alors faites-moi savoir si cela fonctionne.

Answer 3

Je pense que ce sera ce que vous attendiez. Je l'ai écrit d'une manière compréhensible.

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

SORTIE