我在lambda函数中遇到此错误:The truth value of a Series is ambiguous
。我知道这是关于此错误的非常全面的解释,但我认为这与我的问题无关:
Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()
基本上,我试图通过lambda确定同一帐户ID中的OpenBal
从一个月到下个月是否相同,如果相同,请给我一个'1'(例如,对于下面的OpenBal = 101) 。显然,第一张唱片应该给我NaN。 (P.S.感谢@jdehesa在我的其他帖子中的回答)。
这证明了我的问题:
import pandas as pd
df = pd.DataFrame({'AccountID': [1,1,1,1,2,2,2,2,2],
'RefMonth': [1,2,3,4,1,2,3,4,5],
'OpenBal': [100,101,101,103,200,201,202,203,204]})
SameBal = df.groupby('AccountID').apply(lambda g: 1 if g['OpenBal'].diff() == 0 else 0)
df['SameBal'] = SameBal.sortlevel(1).values
答案 0 :(得分:1)
1 if g['OpenBal'].diff() == 0
不起作用。 pd.Series()
对象无法操作
您需要创建合适的方法:
def convert(a):
return np.array([1 if i==0 else np.nan if pd.isnull(i) else 0 for i in a])
这将解决您的The truth value of a Series is ambiguous
错误
SameBal = df.groupby('AccountID').apply(lambda g: pd.Series(data=convert(g['OpenBal'].diff().values), index=g['RefMonth']))
SameBal.name = 'SameBal'
SameBal
Out[]:
AccountID RefMonth
1 1 NaN
2 0.0
3 1.0
4 0.0
2 1 NaN
2 0.0
3 0.0
4 0.0
5 0.0
df.merge(SameBal.reset_index())
Out[]:
AccountID OpenBal RefMonth SameBal
0 1 100 1 NaN
1 1 101 2 0.0
2 1 101 3 1.0
3 1 103 4 0.0
4 2 200 1 NaN
5 2 201 2 0.0
6 2 202 3 0.0
7 2 203 4 0.0
8 2 204 5 0.0
答案 1 :(得分:1)
您的错误正确表明您无法检查系列的真实性。但是自定义匿名功能对于此任务不是必需的。
将groupby
+ transform
与pd.Series.diff
一起使用:
import pandas as pd
df = pd.DataFrame({'AccountID': [1,1,1,1,2,2,2,2,2],
'RefMonth': [1,2,3,4,1,2,3,4,5],
'OpenBal': [100,101,101,103,200,201,202,203,204]})
df['A'] = (df.groupby('AccountID')['OpenBal'].transform(pd.Series.diff)==0).astype(int)
print(df)
AccountID OpenBal RefMonth A
0 1 100 1 0
1 1 101 2 0
2 1 101 3 1
3 1 103 4 0
4 2 200 1 0
5 2 201 2 0
6 2 202 3 0
7 2 203 4 0
8 2 204 5 0
如果每个组的第一行都需要NaN
:
g = df.groupby('AccountID')['OpenBal'].transform(pd.Series.diff)
df['A'] = (g == 0).astype(int)
df.loc[g.isnull(), 'A'] = np.nan
print(df)
AccountID OpenBal RefMonth A
0 1 100 1 NaN
1 1 101 2 0.0
2 1 101 3 1.0
3 1 103 4 0.0
4 2 200 1 NaN
5 2 201 2 0.0
6 2 202 3 0.0
7 2 203 4 0.0
8 2 204 5 0.0