有问题过滤我的结果数据框or条件。我希望我的结果df提取高于0.25且低于-0.25的所有列var值。
下面的这个逻辑给了我一个模糊的真值，但是当我在两个单独的操作中拆分这个过滤时它可以工作。这里发生了什么？不确定在何处使用建议的a.empty(), a.bool(), a.item(),a.any() or a.all()。
result = result[(result['var']>0.25) or (result['var']<-0.25)]
答案 0 :(得分：331)
or和and python语句需要truth - 值。对于pandas，这些被认为是不明确的，因此您应该使用＆＃34;按位＆＃34; |（或）或&（和）操作：
result = result[(result['var']>0.25) | (result['var']<-0.25)]
为这些数据结构重载这些数据结构以产生元素or（或and）。
只是为此声明添加更多解释：
如果您希望获得bool的{{1}}，则会引发异常：
pandas.Series您点击的是操作员隐式将操作数转换为>>> import pandas as pd
>>> x = pd.Series([1])
>>> bool(x)
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
的位置（您使用bool但or and也发生了if 1}}和while）：
>>> x or x
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> x and x
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> if x:
... print('fun')
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> while x:
... print('fun')
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
除了这4个语句外，还有几个隐藏一些bool调用的python函数（如any，all，filter，...）这些函数通常没有问题与pandas.Series但为了完整性，我想提及这些。
在您的情况下，例外并非真正有用，因为它没有提及正确的替代方案。对于and和or，您可以使用（如果您想要按元素进行比较）：
>>> import numpy as np
>>> np.logical_or(x, y)
或只是|运算符：
>>> x | y
>>> np.logical_and(x, y)
或只是&运算符：
>>> x & y
如果您正在使用运算符，请确保因the operator precedence而正确设置括号。
如果在执行 如果您想检查系列是否为空： 如果没有明确的布尔解释，Python通常会将 如果您的 如果您想查看系列的第一个且唯一的项目（如 如果您想检查所有或任何项是否为零，不是空或不是假：pandas.Series {/ 3>}。{/}
if或while时遇到异常，则异常中提到的替代方案更适合。我将简要解释其中的每一个：
>>> x = pd.Series([])
>>> x.empty
True
>>> x = pd.Series([1])
>>> x.empty
False
len个容器（如list，tuple，...）解释为真值。因此，如果您需要类似python的检查，您可以执行：if x.size或if not x.empty而不是if x。Series包含一个且只有一个布尔值：>>> x = pd.Series([100])
>>> (x > 50).bool()
True
>>> (x < 50).bool()
False
.bool()，但即使不是布尔内容也是如此）：>>> x = pd.Series([100])
>>> x.item()
100
>>> x = pd.Series([0, 1, 2])
>>> x.all() # because one element is zero
False
>>> x.any() # because one (or more) elements are non-zero
True
答案 1 :(得分：30)
对于布尔逻辑，请使用&和|。
np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3), columns=list('ABC'))
>>> df
A B C
0 1.764052 0.400157 0.978738
1 2.240893 1.867558 -0.977278
2 0.950088 -0.151357 -0.103219
3 0.410599 0.144044 1.454274
4 0.761038 0.121675 0.443863
>>> df.loc[(df.C > 0.25) | (df.C < -0.25)]
A B C
0 1.764052 0.400157 0.978738
1 2.240893 1.867558 -0.977278
3 0.410599 0.144044 1.454274
4 0.761038 0.121675 0.443863
要了解发生了什么，每个比较都会得到一列布尔值，例如
df.C > 0.25
0 True
1 False
2 False
3 True
4 True
Name: C, dtype: bool
如果您有多个条件，则会返回多个列。这就是连接逻辑不明确的原因。使用and或or分别处理每个列，因此首先需要将该列减少为单个布尔值。例如，要查看每列中的任何值或所有值是否为真。
# Any value in either column is True?
(df.C > 0.25).any() or (df.C < -0.25).any()
True
# All values in either column is True?
(df.C > 0.25).all() or (df.C < -0.25).all()
False
实现同样目标的一种令人费解的方法是将所有这些列压缩在一起，并执行适当的逻辑。
>>> df[[any([a, b]) for a, b in zip(df.C > 0.25, df.C < -0.25)]]
A B C
0 1.764052 0.400157 0.978738
1 2.240893 1.867558 -0.977278
3 0.410599 0.144044 1.454274
4 0.761038 0.121675 0.443863
有关详细信息，请参阅文档中的Boolean Indexing。
答案 2 :(得分：8)
或者，您也可以使用操作员模块。更详细的信息在Python docs
import operator
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3), columns=list('ABC'))
df.loc[operator.or_(df.C > 0.25, df.C < -0.25)]
A B C
0 1.764052 0.400157 0.978738
1 2.240893 1.867558 -0.977278
3 0.410599 0.144044 1.454274
4 0.761038 0.121675 0.4438
答案 3 :(得分：6)
大熊猫使用按位'＆''|'并将每个条件都包装在'（）'
中例如以下作品
data_query = data[(data['year'] >= 2005) & (data['year'] <= 2010)]
但是没有适当括号的相同查询不会
data_query = data[(data['year'] >= 2005 & data['year'] <= 2010)]
答案 4 :(得分：1)
This excellent answer非常清楚地解释了发生了什么并提供了解决方案。我想添加另一个可能适用于类似情况的解决方案：使用query方法：
result = result.query("(var > 0.25) or (var < -0.25)")
另见http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-query。
（我正在使用的数据帧的一些测试表明，这种方法比在一系列布尔值上使用按位运算符慢一点：2 ms与870μs相比）
一条警告：至少有一种情况，这不是直截了当的，当列名恰好是python表达式时。我的列名为WT_38hph_IP_2，WT_38hph_input_2和log2(WT_38hph_IP_2/WT_38hph_input_2)，并希望执行以下查询："(log2(WT_38hph_IP_2/WT_38hph_input_2) > 1) and (WT_38hph_IP_2 > 20)"
我获得了以下异常级联：
KeyError: 'log2' UndefinedVariableError: name 'log2' is not defined ValueError: "log2" is not a supported function 我想这是因为查询解析器试图从前两列创建一些内容，而不是使用第三列的名称来标识表达式。
提出了一种可行的解决方法here。
答案 5 :(得分：1)
我遇到了相同的错误，并在pyspark数据帧中停滞了几天， 我能够通过将na值填充为0来成功解决它 来自2个字段的整数值。
答案 6 :(得分：1)
在熊猫中，您需要使用按位运算符|来代替or和&来代替and，不能简单地使用python中的bool语句。 br />
对于复杂得多的过滤，请创建mask并将掩码应用于数据框。
将所有查询放入遮罩并应用。
假设
mask = (df["col1"]>=df["col2"]) & (stock["col1"]<=df["col2"])
df_new = df[mask]
答案 7 :(得分：0)
在我的情况下，发生错误是因为我试图将整个系列传递给布尔条件检查，而不是单个值。尽管该系列仅包含一个元素。
(max_last >= (max_prev + 0.4*volatility)) and ((min_last + 0.2*volatility) >= min_prev)
上面的代码导致错误“ Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()”，将and更改为&并没有帮助。
ipdb> type(max_last >= (max_prev + 0.4*volatility))
<class 'pandas.core.series.Series'>
ipdb> type((min_last + 0.2*volatility) >= min_prev)
<class 'pandas.core.series.Series'>
ipdb> (max_last >= (max_prev + 0.4*volatility)).shape
(1,)
在检查条件之前从一系列中提取值有助于消除错误。
bull_condition = (max_last >= (max_prev + 0.4*volatility))[0] and ((min_last + 0.2*volatility) >= min_prev)[0]
此代码可以正常工作。
ipdb> type((max_last >= (max_prev + 0.4*volatility))[0])
<class 'numpy.bool_'>
答案 8 :(得分：0)
一件小事，浪费了我的时间。
在括号中放入条件（如果使用“ =”，“！=”进行比较），否则将引发此异常。 这将起作用
df[(some condition) conditional operator (some conditions)]
这不会
df[some condition conditional-operator some condition]
答案 9 :(得分：0)
我将尝试给出三种最常见方法的基准（也在上面提到）：
from timeit import repeat
setup = """
import numpy as np;
import random;
x = np.linspace(0,100);
lb, ub = np.sort([random.random() * 100, random.random() * 100]).tolist()
"""
stmts = 'x[(x > lb) * (x <= ub)]', 'x[(x > lb) & (x <= ub)]', 'x[np.logical_and(x > lb, x <= ub)]'
for _ in range(3):
for stmt in stmts:
t = min(repeat(stmt, setup, number=100_000))
print('%.4f' % t, stmt)
print()
结果：
0.4808 x[(x > lb) * (x <= ub)]
0.4726 x[(x > lb) & (x <= ub)]
0.4904 x[np.logical_and(x > lb, x <= ub)]
0.4725 x[(x > lb) * (x <= ub)]
0.4806 x[(x > lb) & (x <= ub)]
0.5002 x[np.logical_and(x > lb, x <= ub)]
0.4781 x[(x > lb) * (x <= ub)]
0.4336 x[(x > lb) & (x <= ub)]
0.4974 x[np.logical_and(x > lb, x <= ub)]
但是，熊猫系列不支持*，并且NumPy Array的速度比熊猫数据帧快（慢约1000倍，请参见数字）：
from timeit import repeat
setup = """
import numpy as np;
import random;
import pandas as pd;
x = pd.DataFrame(np.linspace(0,100));
lb, ub = np.sort([random.random() * 100, random.random() * 100]).tolist()
"""
stmts = 'x[(x > lb) & (x <= ub)]', 'x[np.logical_and(x > lb, x <= ub)]'
for _ in range(3):
for stmt in stmts:
t = min(repeat(stmt, setup, number=100))
print('%.4f' % t, stmt)
print()
结果：
0.1964 x[(x > lb) & (x <= ub)]
0.1992 x[np.logical_and(x > lb, x <= ub)]
0.2018 x[(x > lb) & (x <= ub)]
0.1838 x[np.logical_and(x > lb, x <= ub)]
0.1871 x[(x > lb) & (x <= ub)]
0.1883 x[np.logical_and(x > lb, x <= ub)]
注意：添加一行代码x = x.to_numpy()大约需要20 µs。
对于喜欢%timeit的人：
import numpy as np
import random
lb, ub = np.sort([random.random() * 100, random.random() * 100]).tolist()
lb, ub
x = pd.DataFrame(np.linspace(0,100))
def asterik(x):
x = x.to_numpy()
return x[(x > lb) * (x <= ub)]
def and_symbol(x):
x = x.to_numpy()
return x[(x > lb) & (x <= ub)]
def numpy_logical(x):
x = x.to_numpy()
return x[np.logical_and(x > lb, x <= ub)]
for i in range(3):
%timeit asterik(x)
%timeit and_symbol(x)
%timeit numpy_logical(x)
print('\n')
结果：
23 µs ± 3.62 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
35.6 µs ± 9.53 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
31.3 µs ± 8.9 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
21.4 µs ± 3.35 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
21.9 µs ± 1.02 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
21.7 µs ± 500 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
25.1 µs ± 3.71 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
36.8 µs ± 18.3 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
28.2 µs ± 5.97 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
答案 10 :(得分：0)
我在此命令中遇到错误：
如果 df != '': 通过
但是当我把它改成这个时它就起作用了：
如果 df 不是 ''： 通过