Question

在比较数据框中的列时，我在理解pandas行为方面遇到了一些麻烦。我想要做的是将逻辑操作应用于不同的列，并根据逻辑结果生成一个结果列，其值为True或False。（逻辑也可能适用于使用.shift（）生成的滞后列值，但我不认为这个问题是必要的。）

问题是我理解比较df.A＆lt; df.B是矢量化的（因此它非常快）并且应该按元素结果生成元素。这在我分配给一个系列时有效，但是当我尝试将它分配给一个新列时，它会出错。这是一个例子：

df = pd.DataFrame(np.random.randn(10,2),index=(np.arange(10)),columns=['A','B'])
df['C'] = False  # must add column with [] notation rather than .C
a = df.A < df.B
df.C = A
df

这会产生预期的输出：

          A         B      C
0  1.222631  0.568988  False
1 -0.719666  0.733197   True
2 -2.434720 -0.131745   True
3  0.653228  0.428794  False
4  0.862103  0.402158  False
5 -0.256027 -0.819937  False
6 -1.728418  1.463709   True
7 -1.110928 -2.173016  False
8  0.656576 -1.218179  False
9  0.014519 -0.854039  False

所以，继续并尝试不经过分配系列的中间步骤：

df['C'] = False  # not necessary but a reset
if df.A < df.B: df.C = True

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

所以这里的问题是为什么当我第一次浏览该系列时这是否有效，但不能直接分配给该列？我怀疑有更多关于这种行为，我不明白。

让我继续一个相关的例子。我知道np.where（）可能比使用if语句更清晰地进行这样的操作，但我仍然遇到一个指向缺乏理解的问题。以下是我认为应该相同的三行：

df['C'] = np.where((df.A < 0 & df.B > df.A), True, False)  #1 Errors
df['C'] = np.where((df.A < 0) and (df.B > df.A), True, False)  #2 Errors
df['C'] = np.where((df.A < 0) & (df.B > df.A), True, False)  #3 Works

＃2和＃3之间的差异是和vs＆amp; ...我怀疑在幕后我有点不太明白。但为什么Ex 1出错？不需要额外的括号，对吗？条件1＆amp;条件2 （条件1）＆amp; （条件2）

为什么会产生不同的结果？更重要的是，这在哪里记录？只是尝试扩展自己的学习和理解，并学习如何处理这样的问题。

谢谢！

Answer 1

回答你的问题，

为什么df.A＆lt; df.B：df.C = True失败了吗？

Ans：我认为这是由“if”引起的。您可以将“if”视为一个函数，它只接受True / False或具有已知True / False评估的函数（即，如果为1，如果为-1，如果为0，如果为None）。你可以参考https://docs.python.org/2/library/stdtypes.html。基本上python中的所有东西都在扩展对象类。如果该类具有非零或 len 的实现，则“if”应该正常工作。您可以尝试以下方法：

>>> x = 1
>>> x.__nonzero__()
True
>>> x = df.C
>>> x.__nonzero__()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Library/Python/2.7/site-packages/pandas/core/generic.py", line 731, in __nonzero__
     .format(self.__class__.__name__))
 ValueError: The truth value of a Series is ambiguous. Use a.empty,      a.bool(), a.item(), a.any() or a.all().

如果您仍想了解更多详情，我会将您推荐给pandas源代码https://github.com/pydata/pandas/blob/master/pandas/core/generic.py

与＆amp;？

我认为答案是Difference between 'and' (boolean) vs. '&' (bitwise) in python. Why difference in behavior with lists vs numpy arrays?

为什么我们需要括号？

如果您检查错误消息，

>>> df.B>df.A & df.A <0
Traceback (most recent call last):
   File "<stdin>", line 1, in <module>
   File "/Library/Python/2.7/site-packages/pandas/core/ops.py", line 786, in wrapper
    return filler(self._constructor(na_op(self.values, other.values),
   File "/Library/Python/2.7/site-packages/pandas/core/ops.py", line 758, in na_op
    result = lib.vec_binop(x, y, op)
   File "pandas/lib.pyx", line 914, in pandas.lib.vec_binop (pandas/lib.c:16248)
   File "pandas/lib.pyx", line 907, in pandas.lib.vec_binop (pandas/lib.c:16122)
 TypeError: unsupported operand type(s) for &: 'float' and 'bool'

实际上意味着＆amp;运算符试图在float和bool之间使用。浮子在哪里，布尔在哪里？ bool是df.B＆gt; df.A，浮子是df.A.这意味着什么？这意味着＆amp;没有运算符优先级（＆lt;，＆gt;），请检查此https://www.ibiblio.org/swaroopch/byteofpython/read/operator-precedence.html

另一方面，“和”的运算符优先于（＆lt;，＆gt;），因此有效。

为了进一步深入挖掘，我相信检查源代码将是一个好方法。希望它能回答你的问题。

熊猫中的矢量化列比较问题

1 个答案: