Pandas 使用 if-else 创建新列时出错：Series 的真值不明确答案

【问题标题】：Pandas error when using if-else to create new column: The truth value of a Series is ambiguousPandas 使用 if-else 创建新列时出错：Series 的真值不明确
【发布时间】：2018-01-06 01:14:27
【问题描述】：

我正在使用 Pandas，并尝试使用 Python if-else 语句（又称三元条件运算符）创建一个新列，以避免被零除。

例如下面，我想通过划分 A/B 创建一个新列 C。我想使用 if-else 语句来避免除以 0。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(0, 5, size=(100, 2)), columns=list('AB'))
df.head()
#    A  B
# 0  1  3
# 1  1  2
# 2  0  0
# 3  2  1
# 4  4  2

df['C'] = (df.A / df.B) if df.B > 0.0 else 0.0

但是，我从最后一行得到一个错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

我在 StackOverflow 上搜索并找到了有关此错误的其他帖子，但没有一个涉及这种类型的 if-else 语句。一些帖子包括：

Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()

The truth value of a Series is ambiguous in dataframe

Error: The truth value of a Series is ambiguous - Python pandas

任何帮助将不胜感激。

【问题讨论】：

标签： python pandas

【解决方案1】：

怎么办

>>> df['C'] = np.where(df.B>0., df.A/df.B, 0.)

读作：

如果df.B 是严格正数，则返回df.A/df.B，否则返回0.

【讨论】：

谢谢。我认为np.where()应该重命名为：np.if_then_else(if, then, else)。

【解决方案2】：

df.B > 0 产生一个系列，例如：

0      True  # 4 > 0 => True
1      True  # 2 > 0 => True
2      True  # ...
3      True
4      True
5      True
6      True
7      True
8     False  # 0 is not > 0 => False
9     False  # 0 is not > 0 => False
...

返回的多个值会导致歧义（有些为真，而另一些为假）。

一种解决方案是使用np.where：

sentinel = np.nan  # Or 0 if you must...
df = df.assign(C=np.where(df['B'] != 0, df['A'] / df['B'], sentinel))
>>> df
   A  B    C
0  2  4  0.5
1  0  2  0.0
2  1  2  0.5
3  4  4  1.0
4  1  1  1.0
5  4  4  1.0
6  2  4  0.5
7  1  2  0.5
8  4  0  NaN  # NaN is assigned in cases where the value in Column `B` is zero.
9  1  0  NaN
...

【讨论】：

谢谢。我什至不知道np.where() 存在，也不知道这里为什么需要它。
如果你不想只为where导入numpy，你可以使用pandas的@987654327@访问器：pd.np.where(...
@robroc 需要明确的是，在导入 pandas 时会隐式导入 numpy，因此在内存或性能上没有差异。唯一的区别是别名np 与pd.np。您可以通过以下方式自行确认：import numpy as npimport pandas as pdid(pd.np) == id(np)，结果为True

【解决方案3】：

根据上面关于迭代数据框的@vaishnav 提议，这是一个可行的提议：

for index, row in df.iterrows():
    if row.B > 0:
        df.loc[index, 'C'] = row.A / row.B
    else:
        df.loc[index, 'C'] = 0

输出：

   A  B         C
0  3  4  0.750000
1  0  4  0.000000
2  4  3  1.333333
3  2  1  2.000000
4  1  0  0.000000
5  0  2  0.000000

【讨论】：

【解决方案4】：

df['C']=df.A.div(df.B.mask(df.B.lt(0),0)).fillna(0)
df
Out[89]: 
   A  B         C
0  1  3  0.333333
1  1  2  0.500000
2  0  0  0.000000
3  2  1  2.000000
4  4  2  2.000000

使用应用 lambda

df['C']=df.apply(lambda x : x['A']/x['B'] if x['B']>0 else 0,1)
df
Out[93]: 
   A  B         C
0  1  3  0.333333
1  1  2  0.500000
2  0  0  0.000000
3  2  1  2.000000
4  4  2  2.000000

【讨论】：

【解决方案5】：

或者你可以只打开一个 for 循环。

for i,j in df['a'],df['b']:
    if j>0:
        df['c']=i/j
    else:
        df['c']=0.0

【讨论】：

您应该在发布代码之前对其进行测试。这会引发 ValueError: too many values to unpack (expected 2)。在您遍历 df 的方法之后，我将发布一个单独的可读性答案。