FutureWarning: elementwise comparaison a échoué; retour scalaire au lieu

Je reçois un avertissement et je veux vérifier si cette volonté de rupture. Je suis en utilisant des np.où comme ça dans beaucoup de cas (c'est pareil, pour moi, à une instruction if dans excel). Est-il mieux ou plus pythonic ou pandas façon de le faire? Je suis en train de tourner une dimension en quelque chose que je peux facilement faire des opérations mathématiques sur des. 

df['closed_item'] = np.where(df['result']=='Action Taken', 1, 0)

FutureWarning: elementwise comparison failed; returning scalar instead, but in the future will perform elementwise comparison
  result = getattr(x, name)(y)


INSTALLED VERSIONS
------------------
python: 3.5.1.final.0
python-bits: 64
OS: Windows
OS-release: 10

pandas: 0.18.0
nose: 1.3.7
pip: 8.1.0
setuptools: 20.2.2
Cython: 0.23.4
numpy: 1.11.0
scipy: 0.17.0
statsmodels: 0.6.1
xarray: None
IPython: 4.0.0
sphinx: 1.3.1
patsy: 0.4.0
dateutil: 2.4.2
pytz: 2015.7
blosc: None
bottleneck: None
tables: 3.2.2
numexpr: 2.5.1
matplotlib: 1.5.1
openpyxl: 2.2.6
xlrd: 0.9.4
xlwt: 1.0.0
xlsxwriter: 0.7.7
lxml: 3.4.4
bs4: 4.4.1
html5lib: None
httplib2: None
apiclient: None
sqlalchemy: 1.0.9
pymysql: None
psycopg2: None
jinja2: 2.8
boto: 2.38.0
  • Quelle est votre version de pandas et numpy? print pd.show_versions()
InformationsquelleAutor trench | 2016-04-14
  1. 0

    Je pense que vous pouvez essayer d'autres alternatives en comparant avec numpy in1d ou peut-être str.contient, mais pour moi tous les 3 approches fonctionne très bien (mais mon python: 2.7.11.final.0, pandas: 0.18.0 et numpy: 1.10.4):

    print df
                      result
0               Action Taken
1  Action Taken Action Taken
2                     Action
3             Something else

print df['result']=='Action Taken'
0     True
1    False
2    False
3    False
Name: result, dtype: bool

print np.in1d(df['result'],'Action Taken')
[ True False False False]

print df['result'].str.contains('Action Taken')
0     True
1     True
2    False
3    False
Name: result, dtype: bool

df['closed_item'] = np.where(df['result']=='Action Taken', 1, 0)
df['closed_item1'] = np.where(np.in1d(df['result'],'Action Taken'), 1, 0)
df['closed_item2'] = np.where(df['result'].str.contains('Action Taken'), 1, 0)
print df
                      result  closed_item  closed_item1  closed_item2
0               Action Taken            1             1             1
1  Action Taken Action Taken            0             0             1
2                     Action            0             0             0
3             Something else            0             0             0
    InformationsquelleAutor jezrael