系列的真值含糊不清。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）

在用or条件过滤我的结果数据框时出现问题。我希望我的结果df提取var大于0.25且小于-0.25的所有列值。

下面的逻辑为我提供了一个模糊的真实值，但是当我将此过滤分为两个独立的操作时，它可以工作。这是怎么回事 不知道在哪里使用建议a.empty(), a.bool(), a.item(),a.any() or a.all()。

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

在or和and蟒蛇语句需要truth-值。因为pandas这些被认为是模棱两可的，所以您应该使用“按位” |（或）或&（和）操作：

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

对于此类数据结构，它们会重载以生成元素级or（或and）。

只是为该语句添加更多解释：

当您想获取的时bool，将引发异常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().

什么你打是一处经营隐含转换的操作数bool（你用or，但它也恰好为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().

除了这些4个语句有一些隐藏某几个Python函数bool调用（如any，all，filter，...），这些都是通常不会有问题的pandas.Series，但出于完整性我想提一提这些。

在您的情况下，该异常并不是真正有用的，因为它没有提到正确的替代方法。对于and和，or您可以使用（如果您想要逐元素比较）：

• numpy.logical_or：

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

  或简单地|算：

  >>> x | y

• numpy.logical_and：

  >>> np.logical_and(x, y)

  或简单地&算：

  >>> x & y

如果您使用的是运算符，请确保由于运算符优先级而正确设置了括号。

有几个逻辑numpy的功能，它应该工作的pandas.Series。

如果您在执行if或时遇到异常，则异常中提到的替代方法更适合while。我将在下面简短地解释每个：

• 如果要检查您的系列是否为空：

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

  如果没有明确的布尔值解释，Python通常会将len容器的gth（如list，，tuple...）解释为真值。因此，如果您想进行类似python的检查，可以执行：if x.size或if not x.empty代替if x。

• 如果您Series包含一个且只有一个布尔值：

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

• 如果要检查系列的第一个也是唯一的一项（例如，.bool()但即使不是布尔型内容也可以使用）：

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

• 如果要检查所有或任何项目是否为非零，非空或非False：

  >>> 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，请使用&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

要查看发生了什么，您可以为每个比较获得一列布尔值，例如

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

当您有多个条件时，将返回多个列。这就是为什么联接逻辑模棱两可的原因。单独使用and或or对待每列，因此您首先需要将该列减少为单个布尔值。例如，查看每个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

一种实现相同目的的复杂方法是​​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。

好吧熊猫使用按位'＆''|' 并且每个条件都应该用'（）'包装

例如以下作品

data_query = data[(data['year'] >= 2005) & (data['year'] <= 2010)]

但是没有适当括号的相同查询不会

data_query = data[(data['year'] >= 2005 & data['year'] <= 2010)]

或者，您也可以使用操作员模块。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

这个极好的答案很好地解释了正在发生的事情并提供了解决方案。我想添加另一种可能在类似情况下适用的解决方案：使用query方法：

result = result.query("(var > 0.25) or (var < -0.25)")

另请参见http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-query。

（一些我正在使用的数据帧的测试表明，该方法比在一系列布尔值上使用按位运算符要慢一些：2 ms vs. 870 µs）

警告：至少其中一种情况不是很简单，那就是列名恰好是python表达式。我有名为的列WT_38hph_IP_2，WT_38hph_input_2并log2(WT_38hph_IP_2/WT_38hph_input_2)想执行以下查询："(log2(WT_38hph_IP_2/WT_38hph_input_2) > 1) and (WT_38hph_IP_2 > 20)"

我获得了以下异常级联：

• KeyError: 'log2'
• UndefinedVariableError: name 'log2' is not defined
• ValueError: "log2" is not a supported function

我猜这是因为查询解析器试图从前两列中获取内容，而不是用第三列的名称来标识表达式。

这里提出了一种可能的解决方法。

我遇到了同样的错误，并在pyspark数据帧中停滞了几天，我能够通过将na值填充为0来成功解决它，因为我正在比较2个字段的整数值。