comportement np.isreal différent pandas.DataFrame et numpy.array

Question

J'ai un array comme ci-dessous

np.array(["hello","world",{"a":5,"b":6,"c":8},"usa","india",{"d":9,"e":10,"f":11}]) 

et un pandasDataFrame comme ci-dessous

df = pd.DataFrame({'A': ["hello","world",{"a":5,"b":6,"c":8},"usa","india",{"d":9,"e":10,"f":11}]}) 

Lorsque je demande à np.isrealDataFrame

df.applymap(np.isreal) 
Out[811]: 
     A 
0 False 
1 False 
2 True 
3 False 
4 False 
5 True 

Lorsque je fais np.isreal pour le tableau numpy.

np.isreal(np.array(["hello","world",{"a":5,"b":6,"c":8},"usa","india",{"d":9,"e":10,"f":11}])) 
Out[813]: array([ True, True, True, True, True, True], dtype=bool) 

Je dois à l'aide du np.isreal dans le mauvais cas d'utilisation, mais pouvez-vous me aide sur pourquoi le résultat est différent?

Answer 1

Une réponse partielle est que isreal est uniquement destiné à être utilisé sur un tableau comme premier argument.

Vous voulez utiliser isrealobj sur chaque élément pour obtenir le bahavior que vous voyez ici:

In [11]: a = np.array(["hello","world",{"a":5,"b":6,"c":8},"usa","india",{"d":9,"e":10,"f":11}]) 

In [12]: a 
Out[12]: 
array(['hello', 'world', {'a': 5, 'b': 6, 'c': 8}, 'usa', 'india', 
     {'d': 9, 'e': 10, 'f': 11}], dtype=object) 

In [13]: [np.isrealobj(aa) for aa in a] 
Out[13]: [True, True, True, True, True, True] 

In [14]: np.isreal(a) 
Out[14]: array([ True, True, True, True, True, True], dtype=bool) 

qui ne laisse la question, qu'est-ce que np.isreal faire quelque chose qui n'est pas semblable à un tableau par exemple

In [21]: np.isrealobj("") 
Out[21]: True 

In [22]: np.isreal("") 
Out[22]: False 

In [23]: np.isrealobj({}) 
Out[23]: True 

In [24]: np.isreal({}) 
Out[24]: True 

---

Il se trouve cela découle de .imag depuis le test that isreal does est:

return imag(x) == 0 # note imag == np.imag 

et c'est tout.

In [31]: np.imag(a) 
Out[31]: array([0, 0, 0, 0, 0, 0], dtype=object) 

In [32]: np.imag("") 
Out[32]: 
array('', 
     dtype='<U1') 

In [33]: np.imag({}) 
Out[33]: array(0, dtype=object) 

Ceci recherche l'attribut .imag sur la baie.

In [34]: np.asanyarray("").imag 
Out[34]: 
array('', 
     dtype='<U1') 

In [35]: np.asanyarray({}).imag 
Out[35]: array(0, dtype=object) 

Je ne sais pas pourquoi ce n'est pas réglé dans le cas de la chaîne encore ...

Answer 2

Je pense que c'est un petit bug dans Numpy pour être honnête. Ici, Pandas fait simplement une boucle sur chaque élément de la colonne et appelle np.isreal() dessus. .: par exemple

>>> np.isreal("a") 
False 
>>> np.isreal({}) 
True 

Je pense que le paradoxe est ici à voir avec la façon dont np.real() traite les entrées de dtype=object. Je suppose qu'il prend le pointeur d'objet et le traite comme un int, donc bien sûr np.isreal(<some object>) renvoie True. Sur un tableau de types mixtes comme np.array(["A", {}]), le tableau est de dtype=object donc np.isreal() traite tous les éléments (y compris les chaînes) comme il le ferait avec dtype=object.

Pour être clair, je pense que le bug est dans la façon dont np.isreal() traite les objets arbitraires dans un tableau dtype=object, mais je ne l'ai pas confirmé explicitement.

Answer 3

Il y a deux choses se passent ici.Le premier est souligné par les réponses précédentes en ce que np.isreal agit étrangement lorsqu'il est passé ojbects. Cependant, je pense que vous êtes également confus au sujet de ce que fait applymap. Difference between map, applymap and apply methods in Pandas est toujours une excellente référence.

Dans ce cas, ce que vous pensez que vous faites est en fait:

df.apply(np.isreal, axis=1) 

qui appelle essentiellement np.isreal (df), alors que df.applymap (np.isreal) est essentiellement appeler np.isreal sur chaque élément individuel de df. par exemple

np.isreal(df.A) 

array([ True, True, True, True, True, True], dtype=bool) 

np.array([np.isreal(x) for x in df.A]) 

array([False, False, True, False, False, True], dtype=bool)