大熊貓數據框中combine_first和更新方法有奇怪的行爲

我遇到一個奇怪的問題（或故意的嗎？），其中combine_first或update是造成存儲爲bool被upcasted值到float64■如果提供的參數不提供布爾列。大熊貓數據框中combine_first和更新方法有奇怪的行爲

工作流程示例中的IPython：

In [144]: test = pd.DataFrame([[1,2,False,True],[4,5,True,False]], columns=['a','b','isBool', 'isBool2']) 

In [145]: test 
Out[145]: 
    a b isBool isBool2 
0 1 2 False True 
1 4 5 True False 


In [147]: b = pd.DataFrame([[45,45]], index=[0], columns=['a','b']) 

In [148]: b 
Out[148]: 
    a b 
0 45 45 

In [149]: test.update(b) 

In [150]: test 
Out[150]: 
    a b isBool isBool2 
0 45 45  0  1 
1 4 5  1  0

當時這意味着是對update函數的行爲？我會認爲，如果沒有指定update不會與其他列混亂。

編輯：我身邊開始多一點修修補補。情節變濃了。如果我在運行test.update(b)之前再插入一個命令：test.update([])，則布爾行爲的工作原理是以objects的數字爲代價。這也適用於DSM的簡化示例。

基於panda's source code，它看起來像reindex_like方法是創建D型object的數據幀，而reindex_like b創建D型float64的數據幀。由於object更一般，隨後的操作與布爾工作。不幸的是，在數字列上運行np.log將失敗，並顯示AttributeError。

來源

2013-03-11 Reservedegotist

簡單的例子：'DF = pd.DataFrame（[真，假] ）; df.update（{}）'。 – DSM 2013-03-12 02:58:05

這個這個問題是一個bug，更新不應該接觸未指定的列，這裏固定https://github.com/pydata/pandas/pull/3021

來源

2013-03-12 14:50:36 Jeff

希望它會合並回主。謝謝！ – Reservedegotist 2013-03-13 00:31:03

這已被合併在一個嘗試 – Jeff 2013-03-13 11:19:21

看起來不錯，我認爲 - 但是，我也看到這種意想不到的行爲在其他功能。我在方法'combine_first'和'groupby.first/last'中看到它。 – Reservedegotist 2013-03-13 13:31:14

更新之前，dateframe b是被填充由reindex_link，所以將b變得

In [5]: b.reindex_like(a) 
Out[5]: 
    a b isBool isBool2 
0 45 45  NaN  NaN 
1 NaN NaN  NaN  NaN

然後用numpy.where來更新數據幀。

悲劇是對於numpy.where，如果兩個數據有不同的類型，則會使用更普通的數據。例如

In [20]: np.where(True, [True], [0]) 
Out[20]: array([1]) 

In [21]: np.where(True, [True], [1.0]) 
Out[21]: array([ 1.])

由於NaN在numpy是浮動類型，它也將返回一個浮點類型。

In [22]: np.where(True, [True], [np.nan]) 
Out[22]: array([ 1.])

因此，更新後，'isBool'和'isBool2'列變爲浮動類型。

我已經添加上the issue tracker for pandas

來源

2013-03-12 04:23:59 waitingkuo

有道理 - 我認爲那裏根本就沒有防範措施，以防止其他列的意外編輯 – Reservedegotist 2013-03-13 00:31:39

大熊貓數據框中combine_first和更新方法有奇怪的行爲

回答

相關問題