通过来自 PANDAS 数据帧的条件表达式选择子集，但出现错误答案

【问题标题】：Select subset by a conditional expression from a PANDAS dataframe , but a error通过来自 PANDAS 数据帧的条件表达式选择子集，但出现错误
【发布时间】：2013-06-03 14:37:54
【问题描述】：

这样的示例：

In [39]: ts = pd.Series(np.random.randn(20),index=pd.date_range('1/1/2000',periods=20))
In [40]: t = pd.DataFrame(ts,columns=['base'],index=ts.index)
In [42]: t['shift_one'] = t.base - t.base.shift(1)
In [43]: t['shift_two'] = t.shift_one.shift(1)
In [44]: t
Out[44]: 
                base  shift_one  shift_two
2000-01-01 -1.239924        NaN        NaN
2000-01-02  1.116260   2.356184        NaN
2000-01-03  0.401853  -0.714407   2.356184
2000-01-04 -0.823275  -1.225128  -0.714407
2000-01-05 -0.562103   0.261171  -1.225128
2000-01-06  0.347143   0.909246   0.261171
.............
2000-01-20 -0.062557  -0.467466   0.512293

现在，如果我们使用 t[t.shift_one > 0 ] ，它可以正常工作，但是当我们使用时：在 [48] 中：t[t.shift_one > 0 和 t.shift_two 1 t[t.shift_one > 0 和 t.shift_two

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

假设我们想得到一个包含两个条件的子集，怎么做？非常感谢。

【问题讨论】：

标签： pandas subset

【解决方案1】：

你需要括号并使用&，而不是and

在此处查看文档： http://pandas.pydata.org/pandas-docs/dev/indexing.html#boolean-indexing

In [3]: ts = pd.Series(np.random.randn(20),index=pd.date_range('1/1/2000',periods=20))

In [4]: t = pd.DataFrame(ts,columns=['base'],index=ts.index)

In [5]: t['shift_one'] = t.base - t.base.shift(1)

In [6]: t['shift_two'] = t.shift_one.shift(1)

In [7]: t
Out[7]: 
                base  shift_one  shift_two
2000-01-01 -1.116040        NaN        NaN
2000-01-02  1.592079   2.708118        NaN
2000-01-03  0.958642  -0.633436   2.708118
2000-01-04  0.431970  -0.526672  -0.633436
2000-01-05  1.275624   0.843654  -0.526672
2000-01-06  0.498401  -0.777223   0.843654
2000-01-07 -0.351465  -0.849865  -0.777223
2000-01-08 -0.458742  -0.107277  -0.849865
2000-01-09 -2.100404  -1.641662  -0.107277
2000-01-10  0.601658   2.702062  -1.641662
2000-01-11 -2.026495  -2.628153   2.702062
2000-01-12  0.391426   2.417921  -2.628153
2000-01-13 -1.177292  -1.568718   2.417921
2000-01-14 -0.374543   0.802749  -1.568718
2000-01-15  0.338649   0.713192   0.802749
2000-01-16 -1.124820  -1.463469   0.713192
2000-01-17  0.484175   1.608995  -1.463469
2000-01-18 -1.477772  -1.961947   1.608995
2000-01-19  0.481843   1.959615  -1.961947
2000-01-20  0.760168   0.278325   1.959615

In [8]: t[(t.shift_one>0) & (t.shift_two<0)]
Out[8]: 
                base  shift_one  shift_two
2000-01-05  1.275624   0.843654  -0.526672
2000-01-10  0.601658   2.702062  -1.641662
2000-01-12  0.391426   2.417921  -2.628153
2000-01-14 -0.374543   0.802749  -1.568718
2000-01-17  0.484175   1.608995  -1.463469
2000-01-19  0.481843   1.959615  -1.961947

【讨论】：

谢谢，杰夫！知道为什么 pandas 在这里偏离了标准的 python 语法吗？只是在寻找一个提示，以帮助记住未来。（即，大多数布尔值都与 'and' 和 'or' 连接。此外，当单个布尔值不需要多组括号时，这似乎很奇怪。）
这是标准的 numpy 索引。离开的原因是 python 不允许覆盖 and/or 运算符。 Numpy 很久以前就修复了这个问题（通过使用位运算符）。