Pandas boolean DataFrame 选择歧义

Question

编辑：表格中的固定值。

假设我有一个 pandas 数据框 df：

>>>df
                  a         b         c
        0  0.016367  0.289944 -0.891527
        1  1.130206  0.899758 -0.276587
        2  1.390528 -1.472802  0.128979
        3  0.023598 -0.931329  0.158143
        4  1.401183 -0.162357 -0.959156
        5 -0.127765  1.142039 -0.734434

所以现在我尝试做一些布尔索引：

>>>df[df > 0.5]
          a         b         c
0       NaN       NaN        Nan
1  1.130206  0.899758        NaN
2  1.390528       NaN        NaN
3       NaN       NaN        NaN
4  1.401183       NaN        NaN
5       NaN  1.142039        NaN

>>>df[df < 0]
          a         b         c
0       NaN       NaN -0.891527
1       NaN       NaN -0.276587
2       NaN -1.472802       NaN
3       NaN -0.931329       NaN
4       NaN -0.162357 -0.959156
5 -0.127765       NaN -0.734434

所以现在我尝试对条件进行逻辑或作为索引条件：

>>>df[df > 0.5 or df < 0]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Users\Ben\Anaconda\lib\site-packages\pandas\core\generic.py", line 692, in __nonzero__
.format(self.__class__.__name__))
ValueError: The truth value of a DataFrame is ambiguous. Use a.empty, a.bool(), a.item(), a.any()    or a.all().

我对此进行了一些研究，这是一个基本功能，numpy 的开发人员决定某些条件在任何或所有情况下都可能是模棱两可的。我不明白为什么检查值是否 > 0.5 有效并检查其 0.5 或

Answer 1

自定义类型无法覆盖 Python 中 and 和 or 的行为。也就是说，Numpy 不可能说它希望 [0, 1, 1] and [1, 1, 0] 成为 [0, 1, 0]。这是因为and 操作短路（参见the documentation）；本质上，and 和or 的短路行为意味着这些操作必须作为两个参数的两个独立真值工作；他们不能以某种方式组合他们的两个操作数，同时利用两个操作数中的数据（例如，按组件比较元素，这对于 Numpy 来说很自然）。

解决方案是使用按位运算符& 和|。但是，您必须小心这一点，因为优先级不是您所期望的。

Answer 2

由于逻辑运算符在 python 中不可覆盖，numpy 和 pandas 会覆盖位运算符。

这意味着您需要使用按位或运算符：

df[(df > 0.5) | (df < 0)]

Answer 3

您需要使用按位或并将条件放在括号中：

df[(df > 0.5) | (df < 0)]

原因是当数组中的某些值可能满足条件时比较数组是不明确的，这就是它变得不明确的原因。

如果您调用属性 any，那么它的计算结果为 True。

由于运算符优先级，括号是必需的。

例子：

In [23]:

df = pd.DataFrame(randn(5,5))
df
Out[23]:
          0         1         2         3         4
0  0.320165  0.123677 -0.202609  1.225668  0.327576
1 -0.620356  0.126270  1.191855  0.903879  0.214802
2 -0.974635  1.712151  1.178358  0.224962 -0.921045
3 -1.337430 -1.225469  1.150564 -1.618739 -1.297221
4 -0.093164 -0.928846  1.035407  1.766096  1.456888
In [24]:

df[(df > 0.5) | (df < 0)]
Out[24]:
          0         1         2         3         4
0       NaN       NaN -0.202609  1.225668       NaN
1 -0.620356       NaN  1.191855  0.903879       NaN
2 -0.974635  1.712151  1.178358       NaN -0.921045
3 -1.337430 -1.225469  1.150564 -1.618739 -1.297221
4 -0.093164 -0.928846  1.035407  1.766096  1.456888