使用Numpy数组填充pandas数据帧单元时的ValueError

Question

目标是制作一个Pandas系列，其中每个元素都是一个可变长度的numpy数组。这些数组来自函数getContexts，它获取一个数据帧cnv的屏蔽结果，并将其应用于另一个数据帧exp。这样做了两次：一次用于True（丢失），一次用于False（no_loss）条件。我得到的错误ValueError: setting an array element with a sequence发生在getContexts的第二行。

以下是一些试用的测试数据：

deldf = pd.DataFrame([[0,1,0,1],
                     [1,0,1,0],
                     [1,1,1,0]])
deldf.columns = ['a','b','c','d']
deldf['cnv'] = ['k','l','m']
deldf.set_index(deldf['cnv'], inplace=True, drop=True)
del deldf['cnv']

d_mask = deldf == 1

expdf = pd.DataFrame([[0,2,1,4,np.array([1,1,1])],
                     [10,0,12,1,np.array([2,2,2])],
                     [1,1,1,1,np.array([3,3,3])]])
expdf.columns = ['a','b','c','d','arr']
expdf['exp'] = ['x','y','Z']
expdf.set_index(expdf['exp'], inplace=True, drop=True)
del expdf['exp']

results = pd.DataFrame(dels.index)
results['exp'] = expdf.index
results.columns = ['cnv','exp']

以下是我对解决方案的尝试（请注意，d_mask是一个全局变量）：

def getContexts(exp_g, cnv_gm):
    lossTrue = d_mask.loc[cnv_g]
    # error is thrown at line below
    loss = np.array(expdf.loc[exp_g].where(lossTrue, np.nan).dropna())
    no_loss = np.array(expdf.loc[exp_g].where(~lossTrue, np.nan).dropna())
    return loss, no_loss

以下是我对getContexts的致电：

results['loss'], results['no_loss'] = np.vectorize(getContexts)(results['exp'], results['cnv'])

最终结果应该类似于下面的数据框，这样我就可以检查两列数组的方差，长度，平均值和效果大小。

Answer 1

您的代码似乎有一些参考错误。在我将dels更改为deldf并将cnv_g更改为cnv_gm之后，它不再抛出错误。

deldf = pd.DataFrame([[0,1,0,1],
                     [1,0,1,0],
                     [1,1,1,0]])
deldf.columns = ['a','b','c','d']
deldf['cnv'] = ['k','l','m']
deldf.set_index(deldf['cnv'], inplace=True, drop=True)
del deldf['cnv']

d_mask = deldf == 1

expdf = pd.DataFrame([[0,2,1,4,np.array([1,1,1])],
                     [10,0,12,1,np.array([2,2,2])],
                     [1,1,1,1,np.array([3,3,3])]])
expdf.columns = ['a','b','c','d','arr']
expdf['exp'] = ['x','y','Z']
expdf.set_index(expdf['exp'], inplace=True, drop=True)
del expdf['exp']

results = pd.DataFrame(deldf.index)
results['exp'] = expdf.index
results.columns = ['cnv','exp']

def getContexts(exp_g, cnv_gm):
    lossTrue = d_mask.loc[cnv_gm]
    # error is thrown at line below
    loss = np.array(expdf.loc[exp_g].where(lossTrue, np.nan).dropna())
    no_loss = np.array(expdf.loc[exp_g].where(~lossTrue, np.nan).dropna())
    return loss, no_loss

results['loss'], results['no_loss'] = np.vectorize(getContexts)(results['exp'], results['cnv'])
print(results)

  cnv exp       loss no_loss
0   k   x     [2, 4]  [0, 1]
1   l   y   [10, 12]  [0, 1]
2   m   Z  [1, 1, 1]     [1]