使用条件语句从 pandas df 列中减去标量给出 ValueError: The truth value of a Series is ambiguous答案

【问题标题】：Using conditional statement to subtract scalar from pandas df column gives ValueError: The truth value of a Series is ambiguous使用条件语句从 pandas df 列中减去标量给出 ValueError: The truth value of a Series is ambiguous
【发布时间】：2018-03-31 12:26:02
【问题描述】：

我正在尝试执行：

if df_trades.loc[:, 'CASH'] != 0: df_trades.loc[:, 'CASH'] -= commission

然后我得到错误。 df_trades.loc[:, 'CASH'] 是一列浮点数。我想从该列中的每个条目中减去标量 commission。

例如，df_trades.loc[:, 'CASH'] 打印出来

2011-01-10   -2557.0000
2011-01-11       0.0000
2011-01-12       0.0000
2011-01-13   -2581.0000

如果commission 是1，我想要结果：

2011-01-10   -2558.0000
2011-01-11       0.0000
2011-01-12       0.0000
2011-01-13   -2582.0000

【问题讨论】：

标签： python pandas scalar truthiness

【解决方案1】：

使用np.where

commission = -1
df['CASH'] = np.where(df['CASH'] != 0, df['CASH'] + commission , df['CASH'])

或df.where即

df['CASH'] = df['CASH'].where(df['CASH'] == 0,df['CASH']+commission)

或df.mask

df['CASH'] = df['CASH'].mask(df['CASH'] != 0 ,df['CASH']+commission)

日期 2011-01-10 -2558.0 2011-01-11 0.0 2011-01-12 0.0 2011-01-13 -2582.0 名称：现金，数据类型：float64

%%timeit
commission = -1
df['CASH'] = np.where(df['CASH'] != 0, df['CASH'] + commission , df['CASH'])
1000 loops, best of 3: 750 µs per loop

%%timeit
df['CASH'].mask(df['CASH'] != 0 ,df['CASH']+commission)
1000 loops, best of 3: 1.45 ms per loop

%%timeit
df['CASH'].where(df['CASH'] == 0,df['CASH']+commission)
1000 loops, best of 3: 1.55 ms per loop

%%timeit
df.loc[df['CASH'] != 0, 'CASH'] += commission
100 loops, best of 3: 2.37 ms per loop

【讨论】：

Numpy 还是 Pandas 更有效？
pshep123的解决方案也差不多吗？
@dirtysocks45 我添加了时间以便更好地进行速度比较
感谢 Bharath 的时间安排。没想到where() 这么快。去重构几千个.loc[] 语句...
还要感谢 Bharath。你介意分享 Pandas 的方式吗？

【解决方案2】：

应该这样做：

df.loc[df['CASH'] != 0, 'CASH'] -= 1

【讨论】：

鉴于我使用的是 Pandas 和 Numpy，这是最 Pythonic 的解决方案吗？
我不是 pythonic 代码的仲裁者，但它可以工作并且很干净。我也没有测试过速度，所以给他们两个试一试，看看什么最适合你。