TypeError：无法使用 dtyped [float64] 数组和 [bool] 类型的标量执行“rand_”

Question

我在 python pandas 中运行了如下命令：

q1_fisher_r[(q1_fisher_r['TP53']==1) & q1_fisher_r[(q1_fisher_r['TumorST'].str.contains(':1:'))]]

我收到以下错误：

TypeError: Cannot perform 'rand_' with a dtyped [float64] array and scalar of type [bool]

我尝试使用的解决方案： error link.

相应地将代码更改为：

q1_fisher_r[(q1_fisher_r['TumorST'].str.contains(':1:')) & (q1_fisher_r[(q1_fisher_r['TP53']==1)])]

但我还是遇到了和TypeError: Cannot perform 'rand_' with a dtyped [float64] array and scalar of type [bool]一样的错误

Answer 1

在以下设置中遇到了类似的问题，产生了相同的错误消息。对我来说非常简单的解决方案是将每个单独的条件放在括号中。应该知道，但想强调一下，以防其他人有同样的问题。

不正确的代码：

conditions = [
    (df['A'] == '15min' & df['B'].dt.minute == 15),  # Note brackets only surrounding both conditions together, not each individual condition
    df['A'] == '30min' & df['B'].dt.minute == 30,  # Note no brackets at all 
]

output = [
    df['Time'] + dt.timedelta(minutes = 45),
    df['Time'] + dt.timedelta(minutes = 30),
]

df['TimeAdjusted'] = np.select(conditions, output, default = np.datetime64('NaT'))

正确代码：

conditions = [
        (df['A'] == '15min') & (df['B'].dt.minute == 15),  # Note brackets surrounding each condition
        (df['A'] == '30min') & (df['B'].dt.minute == 30),  # Note brackets surrounding each condition
]
    
output = [
        df['Time'] + dt.timedelta(minutes = 45),
        df['Time'] + dt.timedelta(minutes = 30),
]

df['TimeAdjusted'] = np.select(conditions, output, default = np.datetime64('NaT'))

Answer 2

对于通过多个条件进行过滤，通过& 链接它们并通过boolean indexing 过滤：

q1_fisher_r[(q1_fisher_r['TP53']==1) & q1_fisher_r['TumorST'].str.contains(':1:')]
               ^^^^                        ^^^^
           first condition            second condition

问题是这段代码返回过滤数据，所以不能按条件链接：

q1_fisher_r[(q1_fisher_r['TumorST'].str.contains(':1:'))]

类似的问题：

q1_fisher_r[(q1_fisher_r['TP53']==1)]

示例：

q1_fisher_r = pd.DataFrame({'TP53':[1,1,2,1], 'TumorST':['5:1:','9:1:','5:1:','6:1']})
print (q1_fisher_r)
   TP53 TumorST
0     1    5:1:
1     1    9:1:
2     2    5:1:
3     1     6:1

df = q1_fisher_r[(q1_fisher_r['TP53']==1) & q1_fisher_r['TumorST'].str.contains(':1:')]
print (df)
   TP53 TumorST
0     1    5:1:
1     1    9:1: