Python 获取Numpy where条件的错误

我正在尝试使用数据库中其他列的

np.where

条件创建一个新列

我的代码

  df5['RiskSubType']=np.where(new_df['Snow_Risk']==1,(( ' Heavy Snow forecasted at  ' +df5.LOCATION.mask(new_df.LOCATION=='',df5.LOCATION_CITY))),
np.where(df5['Wind_Risk']==1,( ' Heavy Wind forecasted at  ' +df5.LOCATION.mask(df5.LOCATION=='',df5.LOCATION_CITY)),
np.where(df5['Precip_Risk']==1,( ' Heavy Rain forecasted at  ' +df5.LOCATION.mask(df5.LOCATION=='',df5.LOCATION_CITY)),"No Risk Identified")))

错误

---

如何解决此问题或以其他方式解决此问题。

请提供以下内容：

d = {'LOCATION': ['?', '?'],
     'LOCATION_CITY': ['?', '?'],
     'Wind_Risk': [1, 0],
     'Precip_Risk': [1, 0],
     'Snow_Risk': [1, 0]}

df = pd.DataFrame(data=d)

---

请提供如下内容：

d = {'LOCATION': ['?', '?'],
     'LOCATION_CITY': ['?', '?'],
     'Wind_Risk': [1, 0],
     'Precip_Risk': [1, 0],
     'Snow_Risk': [1, 0]}

df = pd.DataFrame(data=d)

---

首先，你的设计/代码风格很难理解，你应该考虑简化它。 出现问题的原因是，您试图在

np.where

函数中粉碎字符串和数组。报告说：

其中（条件[，x，y]）

返回根据条件从x或y中选择的元素

参数：

条件：类似阵列，布尔

如果为真，则为x，否则为y。
x、 y：数组_-like
要从中选择的值。x、 y和状态需要能够广播到某种形状

返回：

出：恩达雷

一个数组，其元素来自条件为真的x，元素来自其他地方的y

正如您所看到的，x和y需要能够广播到某些形状。查看以下内容：

6.4。广播

Numpy的另一个强大功能是广播。广播需要 在不同形状的数组之间执行操作时放置。 比如说

>>> a = np.array([
    [0, 1],
    [2, 3],
    [4, 5],
    ])
>>> b = np.array([10, 100])
>>> a * b
array([[  0, 100],
       [ 20, 300],
       [ 40, 500]])

a和b的形状不匹配。为了继续，Numpy将 将b拉伸到第二个维度，好像它被堆叠了三次 自作主张。然后，操作将按元素进行

广播的规则之一是，只有大小为1的尺寸才能播放 拉伸（如果数组只有一个维度，则所有其他维度 被视为用于广播目的，尺寸为1）。在 上面的示例b是1D，具有形状（2，）。用于使用， 它有两个维度，Numpy将大小为1的另一个维度添加到b。 b现在有形状（1，2）。这个新维度现在可以拉伸三倍 使b的形状与a的形状（3，2）匹配的时间

另一个规则是从最后一个维度到最后一个维度进行比较 第一。任何不匹配的标注都必须拉伸才能成为 同样大小。但是，根据之前的规则，只有 尺寸为1的尺寸可以拉伸。这意味着某些形状不能 广播和Numpy将给您一个错误：

>>> c = np.array([
    [0, 1, 2],
    [3, 4, 5],
    ])
>>> b = np.array([10, 100])
>>> c * b
ValueError: operands could not be broadcast together with shapes (2,3) (2,)

这里发生的是，Numpy再次向b添加了一个维度，使 它的形状是（1，2）。b和c最后尺寸的尺寸（2和 3）进行比较，发现不同。既然没有 这些尺寸为Numpy给出的尺寸1（因此，不可拉伸） 向上移动并产生错误

将上面的c和b相乘的解决方案是 Numpy必须添加该额外维度作为 B这是通过使用None为第二个维度编制索引来实现的。这个 然后，b的形状变成（2，1），这与广播兼容 用c：

>>> c = np.array([
    [0, 1, 2],
    [3, 4, 5],
    ])
>>> b = np.array([10, 100])
>>> c * b[:, None]
array([[  0,  10,  20],
       [300, 400, 500]])

这些规则的良好视觉描述，以及一些高级 广播应用程序可以在Numpy广播规则教程中找到

---

所以问题是，您试图将

（n，）

（第一个位置）广播到

标量
（第一个字符串）广播到
（m，）
（第二个位置）广播到
标量
（第二个字符串）广播到
（k，）
（第三个位置）等等。自
n！=m！=k
可以也将是这样，拉伸的尺寸与广播不匹配。
因此，首先，你的设计/代码风格很难理解，你应该考虑简化它。
出现问题的原因是，您试图在
np.where
函数中粉碎字符串和数组。报告说：

其中（条件[，x，y]）

返回根据条件从x或y中选择的元素

参数：

条件：类似阵列，布尔

如果为真，则为x，否则为y。

x、 y：数组_-like

要从中选择的值。x、 y和状态需要能够广播到某种形状

返回：

出：恩达雷

一个数组，其元素来自条件为真的x，元素来自其他地方的y

正如您所看到的，x和y需要能够广播到某些形状。查看以下内容：

6.4。广播

Numpy的另一个强大功能是广播。广播需要
在不同形状的数组之间执行操作时放置。
比如说

>>> a = np.array([
    [0, 1],
    [2, 3],
    [4, 5],
    ])
>>> b = np.array([10, 100])
>>> a * b
array([[  0, 100],
       [ 20, 300],
       [ 40, 500]])

a和b的形状不匹配。为了继续，Numpy将
将b拉伸到第二个维度，好像它被堆叠了三次
自作主张。然后，操作将按元素进行

广播的规则之一是，只有大小为1的尺寸才能播放
拉伸（如果数组只有一个维度，则所有其他维度
被视为用于广播目的，尺寸为1）。在
上面的示例b是1D，具有形状（2，）。用于使用，
它有两个维度，Numpy将大小为1的另一个维度添加到b。
b现在有形状（1，2）。这个新维度现在可以拉伸三倍
使b的形状与a的形状（3，2）匹配的时间

另一个规则是从最后一个维度到最后一个维度进行比较
第一。任何不匹配的标注都必须拉伸才能成为
同样大小。但是，根据之前的规则，只有
尺寸为1的尺寸可以拉伸。这意味着某些形状不能
广播和Numpy将给您一个错误：

>>> c = np.array([
    [0, 1, 2],
    [3, 4, 5],
    ])
>>> b = np.array([10, 100])
>>> c * b
ValueError: operands could not be broadcast together with shapes (2,3) (2,)

这里发生的是，Numpy再次向b添加了一个维度，使
它的形状是（1，2）。b和c最后尺寸的尺寸（2和
3）进行比较，发现不同。既然没有
这些尺寸的尺寸为1（有