为什么 np.vectorize 在 np.where 抛出 TypeError 时在这里工作？

Question

我有一个 pandas DataFrame，其中名为 myenum 的列的值为 0、1 或 2。我正在尝试将 1 和 2 转换为字符串并使用 Enum 的 .name 属性来提供帮助。

我认为这是一个关于理解 np.where 与 np.vectorize 的核心的问题，因为它们与 DataFrame 系列相关。我很好奇为什么尝试使用 np.where 时会引发错误，但使用 np.vectorize 时却可以正常工作。我想从中学习并更好地理解 DataFrames 中的最佳矢量化实践。

import enum
import numpy as np
import pandas as pd

df = pd.DataFrame() # one column in this df is 'myenum', its values are either 0, 1, or 2
df['myenum'] = [0, 1, 2, 0, 0, 0, 2, 1, 0]


class MyEnum(enum.Enum):
    First = 1
    Second = 2

# this throws a TypeError - why?
df['myenum'] = np.where(
    df['myenum'] > 0,
    MyEnum(df['myenum']).name,
    ''
    )

# whereas this, which seems pretty analagous, works.  what am i missing?
def vectorize_enum_value(x):
    if x > 0:
        return  MyEnum(x).name
    return ''
vect = np.vectorize(vectorize_enum_value)
df['myenum'] = vect(df['myenum'])

Answer 1

您的 where 表达式中的 完整回溯 是：

Traceback (most recent call last):
  File "/usr/lib/python3.8/enum.py", line 641, in __new__
    return cls._value2member_map_[value]
TypeError: unhashable type: 'Series'

During handling of the above exception, another exception occurred:
Traceback (most recent call last):
  File "<ipython-input-27-16f5edc71240>", line 3, in <module>
    MyEnum(df['myenum']).name,
  File "/usr/lib/python3.8/enum.py", line 339, in __call__
    return cls.__new__(cls, value)
  File "/usr/lib/python3.8/enum.py", line 648, in __new__
    if member._value_ == value:
  File "/usr/local/lib/python3.8/dist-packages/pandas/core/generic.py", line 1537, in __nonzero__
    raise ValueError(
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

将整个系列交给MyEnum制作：

In [30]: MyEnum(df['myenum'])
Traceback (most recent call last):
  File "/usr/lib/python3.8/enum.py", line 641, in __new__
    return cls._value2member_map_[value]
TypeError: unhashable type: 'Series'
...

问题根本不在于 where。

如果我们为它提供有效的字符串列表，where 工作正常：

In [33]: np.where(
    ...:     df['myenum'] > 0,
    ...:     [vectorize_enum_value(x) for x in df['myenum']],
    ...:     ''
    ...:     )
Out[33]: 
array(['', 'First', 'Second', '', '', '', 'Second', 'First', ''],
      dtype='<U6')

即第二个参数，列表理解与vectorize基本相同。

where是一个函数； Python 在传入函数参数之前对其进行评估。因此每个参数都必须有效。 where 是不是迭代器，就像 apply 甚至 vectorize.

为什么 np.vectorize 在 np.where 抛出 TypeError 时在这里工作？

why does np.vectorize work here when np.where throws a TypeError?

python

numpy

vector

dataframe

pandas