📅 最后修改于: 2020-11-06 05:52:20 🧑 作者: Mango
警告意味着警告，陷阱意味着一个看不见的问题。
当您尝试将某物转换为bool时，Pandas遵循numpy约定，会引发错误。这是在使用布尔运算符if或when或or或or not时发生的。目前尚不清楚结果应该是什么。因为它不是零长度，是否应该为True?错误是因为存在错误值?目前尚不清楚，因此，熊猫提出了ValueError-
import pandas as pd
if pd.Series([False, True, False]):
print 'I am True'
其输出如下-
ValueError: The truth value of a Series is ambiguous.
Use a.empty, a.bool() a.item(),a.any() or a.all().
如果情况尚不清楚，该如何处理。该错误提示是否使用None或其中的任何一个。
import pandas as pd
if pd.Series([False, True, False]).any():
print("I am any")
其输出如下-
I am any
要在布尔上下文中评估单元素熊猫对象，请使用方法.bool() –
import pandas as pd
print pd.Series([True]).bool()
其输出如下-
True
像==和！之类的按位布尔运算符=将返回一个布尔序列，这几乎总是需要的。
import pandas as pd
s = pd.Series(range(5))
print s==4
其输出如下-
0 False
1 False
2 False
3 False
4 True
dtype: bool
这将返回一个布尔系列，该布尔系列显示系列中的每个元素是否完全包含在传递的值序列中。
import pandas as pd
s = pd.Series(list('abc'))
s = s.isin(['a', 'c', 'e'])
print s
其输出如下-
0 True
1 False
2 True
dtype: bool
许多用户会发现自己使用ix索引功能作为从Pandas对象中选择数据的简便方法-
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))
print df
print df.ix[['b', 'c', 'e']]
其输出如下-
one two three four
a -1.582025 1.335773 0.961417 -1.272084
b 1.461512 0.111372 -0.072225 0.553058
c -1.240671 0.762185 1.511936 -0.630920
d -2.380648 -0.029981 0.196489 0.531714
e 1.846746 0.148149 0.275398 -0.244559
f -1.842662 -0.933195 2.303949 0.677641
one two three four
b 1.461512 0.111372 -0.072225 0.553058
c -1.240671 0.762185 1.511936 -0.630920
e 1.846746 0.148149 0.275398 -0.244559
当然，在这种情况下，这完全等同于使用reindex方法-
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))
print df
print df.reindex(['b', 'c', 'e'])
其输出如下-
one two three four
a 1.639081 1.369838 0.261287 -1.662003
b -0.173359 0.242447 -0.494384 0.346882
c -0.106411 0.623568 0.282401 -0.916361
d -1.078791 -0.612607 -0.897289 -1.146893
e 0.465215 1.552873 -1.841959 0.329404
f 0.966022 -0.190077 1.324247 0.678064
one two three four
b -0.173359 0.242447 -0.494384 0.346882
c -0.106411 0.623568 0.282401 -0.916361
e 0.465215 1.552873 -1.841959 0.329404
有人可能会得出结论， ix和reindex基于此是100％等效的。除了整数索引的情况外，这都是正确的。例如，上述操作可以替代地表示为-
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))
print df
print df.ix[[1, 2, 4]]
print df.reindex([1, 2, 4])
其输出如下-
one two three four
a -1.015695 -0.553847 1.106235 -0.784460
b -0.527398 -0.518198 -0.710546 -0.512036
c -0.842803 -1.050374 0.787146 0.205147
d -1.238016 -0.749554 -0.547470 -0.029045
e -0.056788 1.063999 -0.767220 0.212476
f 1.139714 0.036159 0.201912 0.710119
one two three four
b -0.527398 -0.518198 -0.710546 -0.512036
c -0.842803 -1.050374 0.787146 0.205147
e -0.056788 1.063999 -0.767220 0.212476
one two three four
1 NaN NaN NaN NaN
2 NaN NaN NaN NaN
4 NaN NaN NaN NaN
重要的是要记住，重新索引仅是严格的标签索引。在病理情况下，如果索引包含整数和字符串，这可能会导致一些潜在的意外结果。