将函数传递给另一个函数，导致 ValueError答案

【问题标题】：passing functions into another function, resulting in ValueError将函数传递给另一个函数，导致 ValueError
【发布时间】：2022-01-18 19:16:13
【问题描述】：

我想创建一个函数，它可以通过其他两个函数处理我的数据框，然后用结果创建两个新列。但是我被一个错误阻止了：

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

我不知道发生了什么，因为我使用了正确的条件“|”

import pandas as pd
import numpy as np
from numpy.random import randn
np.random.seed(101)

df = pd.DataFrame(randn(9,2),index='1 2 3 4 5 6 7 8 9'.split(),columns='a b'.split())


def bigger_than(df):
        #
        df = df.copy()
        df['a-true'] = np.where(df['a'] > 0, 1, 0)
        df['b-true'] = np.where(df['b'] > 0, 1, 0)
        return df


def less_than(df):
        df = df.copy()
        df['a-true'] = np.where(df['a'] < 0, 1, 0)
        df['b-true'] = np.where(df['b'] < 0, 1, 0)
        return df


def compare(df, func1, func2):
        df = df.copy()
        df['true'] = np.where(func1(df)['a-true'] == 0 | func1(df)['b-true'] == 0, 1, 0)
        df['true-again'] = np.where(func2(df)['a-true'] == 1 | func2(df)['b-true'] == 1, 1, 0)
        return df


print(compare(df, less_than, bigger_than))

Traceback (most recent call last):
  File "C:\Users\jeppe\PycharmProjects\pythonProject3\main.py", line 31, in <module>
    print(compare(df, less_than, bigger_than))
  File "C:\Users\jeppe\PycharmProjects\pythonProject3\main.py", line 26, in compare
    df['true'] = np.where(func1(df)['a-true'] == 0 | func1(df)['b-true'] == 0, 1, 0)
  File "C:\Users\jeppe\PycharmProjects\test\pythonProject3\lib\site-packages\pandas\core\generic.py", line 1537, in __nonzero__
    raise ValueError(
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

【问题讨论】：

关于该错误消息的问题有数百个。发帖前你做了哪些研究？
顺便说一句，在这里使用np.where() 是多余且不必要的：只需使用(df_condition).astype(int)，例如(df['a'] > 0).astype(int)（或者甚至不要打扰，因为True 和False 是1 和 0 的别名。
@Barmar 我已经做了很多研究，但我并没有让我理解它，我不明白为什么在使用 | 时会出现此错误而不是“和”
您需要在数据帧的[] 索引中使用它。
你知道你可以只用两行代码进行比较吗？

标签： python pandas function numpy

【解决方案1】：

以下是您如何在一行中做到这一点：

df['true'], df['true-again'] = (df['a'] >= 0) | (df['b'] >= 0), (df['a'] > 0) | (df['b'] > 0)

print(df)

输出：

          a         b   true  true-again
1  1.048158  0.701041   True        True
2  0.835515 -1.614604   True        True
3  2.126922  0.421194   True        True
4 -1.409821 -0.045723  False       False
5 -1.553690  0.825518   True        True
6  0.596085  0.208414   True        True
7 -0.558074 -0.232004  False       False
8 -1.046353  0.737966   True        True
9  0.942001  1.733682   True        True

【讨论】：