一个系列的真值不明确。 使用a.empty，a.bool（），a.item（），a.any

有问题过滤我的结果数据框or条件。 我想要我的结果df提取大于0.25且小于-0.25的所有列_var_值。 下面的逻辑给我一个模棱两可的真值，但是当我在两个单独的操作中分割这个过滤时，它是有效的。 这里发生了什么？ 不知道在哪里使用建议的a.empty(), a.bool(), a.item(),a.any() or a.all() 。

 result = result[(result['var']>0.25) or (result['var']<-0.25)]

的or与and Python的语句需要truth -值。 对于pandas这些被认为是不明确的，所以你应该使用“按位” | （或）或& （和）操作：

result = result[(result['var']>0.25) | (result['var']<-0.25)]

对于这些类型的数据结构，这些过载会产生元素明智的or （或） and 。

只需在本声明中添加更多解释：

当你想要得到的异常被抛出bool一个的pandas.Series ：

>>> import pandas as pd
>>> x = pd.Series([1])
>>> bool(x)
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

你碰到的是一个操作符隐式地将操作数转换为bool （你用过or它也适用于and ， if和while ）：

>>> x or x
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> x and x
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> if x:
...     print('fun')
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> while x:
...     print('fun')
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

除了这4个语句之外，还有几个隐藏一些bool调用的Python函数（比如any ， all ， filter ，...），这些pandas.Series通常对于pandas.Series并不存在问题，但为了完整性，我想提及这些。

在你的情况下，这个例外不是很有用，因为它没有提到正确的选择 。 对于and和or你可以使用（如果你想元素比较）：

>>> import numpy as np
>>> np.logical_or(x, y)

>>> x | y

>>> np.logical_and(x, y)

>>> x & y

如果您使用的是运算符，那么请确保您正确设置括号，因为运算符优先。

有几个逻辑numpy函数应该可以在pandas.Series工作。

如果您在做if或while时候遇到它，Exception中提到的替代方法更加适合。 我会很快解释其中的每一个：

>>> x = pd.Series([])
>>> x.empty
True
>>> x = pd.Series([1])
>>> x.empty
False

>>> x = pd.Series([100])
>>> (x > 50).bool()
True
>>> (x < 50).bool()
False

>>> x = pd.Series([100])
>>> x.item()
100

>>> x = pd.Series([0, 1, 2])
>>> x.all()   # because one element is zero
False
>>> x.any()   # because one (or more) elements are non-zero
True

对于布尔逻辑，使用&和| 。

np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3), columns=list('ABC'))

>>> df
          A         B         C
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
2  0.950088 -0.151357 -0.103219
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.443863

>>> df.loc[(df.C > 0.25) | (df.C < -0.25)]
          A         B         C
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.443863

为了看看发生了什么，每次比较都会得到一列布尔值，例如

df.C > 0.25
0     True
1    False
2    False
3     True
4     True
Name: C, dtype: bool

当你有多个标准时，你会得到多个列返回。 这就是连接逻辑不明确的原因。 使用and或or对待每列分别，所以你首先需要该列减少到一个布尔值。 例如，查看每列中的任何值或所有值是否为True。

# Any value in either column is True?
(df.C > 0.25).any() or (df.C < -0.25).any()
True

# All values in either column is True?
(df.C > 0.25).all() or (df.C < -0.25).all()
False

实现同样目标的一种复杂方式是将所有这些列压缩在一起，并执行适当的逻辑。

>>> df[[any([a, b]) for a, b in zip(df.C > 0.25, df.C < -0.25)]]
          A         B         C
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.443863

有关更多详细信息，请参阅文档中的布尔索引。

或者，也可以使用Operator模块。 更详细的信息在这里Python文档

import operator
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3), columns=list('ABC'))
df.loc[operator.or_(df.C > 0.25, df.C < -0.25)]

          A         B         C
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.4438

上一篇: Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()

下一篇: What do * and ** before a variable name mean in a function signature?