遇到 ValueError：DataFrame 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()答案

【问题标题】：Encountering ValueError: The truth value of a DataFrame is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()遇到 ValueError：DataFrame 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()
【发布时间】：2021-07-31 19:55:52
【问题描述】：

我有一个函数

def cruise_fun(speed, accl, acmx, dcmx):
    count = 0
    index = []
    for i in range(len(speed.dropna())):
        if ((speed[i]>40) & (accl[i]<acmx*0.2) & (accl[i]>dcmx*0.2)):
            count +=1
            index.append(i)
                    
    return count, index

这个函数在下面的语句中被调用

cruise_t_all, index_all =cruise_fun(all_data_speed[0], acc_val_all[0], acc_max_all, decc_max_all)

all_data_speed 和 acc_val_all 是 1 列和 38287 行的两个数据帧。 acc_max_all 和 decc_max_all 是两个 float64 值。我试图尽可能多地实现stackoverflow中提供的解决方案。我同时使用了and 和&。我无法解决这个问题。

【问题讨论】：

这能回答你的问题吗？ Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()
@qmeeus 建议使用&而不是and的部分对我不起作用，我已经尝试过了。

标签： python pandas dataframe valueerror

【解决方案1】：

您以错误的方式使用 pandas。您不应该像您一样遍历所有行。您可以连接提供的列，然后检查条件：

def cruise_fun(speed, accl, acmx, dcmx):
    df = pd.concat([speed.dropna(), accl], axis=1)
    df.columns = ["speed", "accl"]
    mask = (df["speed"] > 40) & df["accl"].between(dcmx * .2, acmx * .2, inclusive=False)
    return mask.sum(), df[mask].index

注意：我做了一些假设：

我假设您的列名没有冲突，否则concat 将不起作用，您需要先重命名您的列
我假设来自speed.dropna() 和accl 的索引匹配，但如果不是这样，我不会感到惊讶。您应该确保这没问题，或者更好：将所有内容存储在同一个数据框中

【讨论】：

试过了，同样的问题。使用逻辑并抛出 Can only compare identically-labeled Series objects 错误。
您到底尝试了什么？你看过我帖子末尾的评论了吗？您还可以发布确切的错误消息，包括失败的代码行吗？我认为这是 if 语句，但我开始怀疑它......
列名没有冲突，concat 工作得很好。索引确实匹配，都是 38287 行。我按照您建议的方式尝试了该功能。我遇到了以前遇到的相同错误。错误消息是ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 它出现在mask = ((df["speed"] > 40.0) and (decc_max_all * .2 < df["accl"] < acc_max_all * .2)) 这一行。编辑：我现在看到的是编辑后的代码。效果不好，同样的错误。
现在我收到了Can only compare identically-labeled Series objects。我很肯定标签是相同的。我已经尝试过合乎逻辑的and。
奇怪的是，函数cruise_fun 可以很好地处理其他类似类型的数据。前一个和替代方案都建议。只有这个特定的数据集让我感到困扰。但是，话又说回来，数据很好，它与其他类型的计算完美配合。