Python 3 Lambda错误:系列的真值不明确

时间:2018-06-20 06:19:17

标签: python python-3.x pandas truthiness

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

2 个答案:

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。

groupby + transformpd.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