Question

我已经用支持这种结构的批处理转换语言定义了大量的数据转换：x = iif（condition，a，b）。我想使用数据框重写这些。

我正在使用Dataframe.assign（），但得到ValueError：系列的真值不明确。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。

    import pandas as pd
    df = pd.DataFrame(['apple', 'orange', 'granite'], columns=['name'])
    df.assign(taste = lambda x: 'rocky' if (x.name=='granite') else 'yummy')

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-39-e9ad71ccc45b> in <module>()
----> 1 df.assign(taste = lambda x: 'rocky' if (x.name=='granite') else 'yummy')

~\Anaconda3\lib\site-packages\pandas\core\frame.py in assign(self, **kwargs)
   3305         if PY36:
   3306             for k, v in kwargs.items():
-> 3307                 data[k] = com._apply_if_callable(v, data)
   3308         else:
   3309             # <= 3.5: do all calculations first...

~\Anaconda3\lib\site-packages\pandas\core\common.py in _apply_if_callable(maybe_callable, obj, **kwargs)
    403 
    404     if callable(maybe_callable):
--> 405         return maybe_callable(obj, **kwargs)
    406 
    407     return maybe_callable

<ipython-input-39-e9ad71ccc45b> in <lambda>(x)
----> 1 df.assign(taste = lambda x: 'rocky' if (x.name=='granite') else 'yummy')

~\Anaconda3\lib\site-packages\pandas\core\generic.py in __nonzero__(self)
   1571         raise ValueError("The truth value of a {0} is ambiguous. "
   1572                          "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
-> 1573                          .format(self.__class__.__name__))
   1574 
   1575     __bool__ = __nonzero__

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

起初我以为这是由于对assign（）中所允许的关键字的限制，但是非常相似的构造适用于apply（）：

df['name'].apply(lambda x: 'rocky' if (x=='granite') else 'yummy')

0    yummy
1    yummy
2    rocky
Name: name, dtype: object

但是，这不允许我使用if条件，该条件使用数据框中的多个列。有没有一种方法可以让Assign（）工作？

Answer 1

分配不是您应在条件分配中使用的功能

df['taste']=np.where(df['name'].eq('granite'),'rocky','yummy')
df
Out[513]: 
      name  taste
0    apple  yummy
1   orange  yummy
2  granite  rocky

Answer 2

调用Series.apply时，lambda接收每个行值（即标量值）。使用assign，lambda接收整个DataFrame。了解这一点意味着您现在可以执行

之类的操作

df.assign(taste=lambda x: np.where(x['name'] == 'granite', 'r', 'y'))

      name taste
0    apple     y
1   orange     y
2  granite     r

或者，

df.assign(taste=np.where(df['name'] == 'granite', 'r', 'y'))
      name taste
0    apple     y
1   orange     y
2  granite     r

或者，更简单地说，是就地分配，

df['taste'] = np.where(df['name'] == 'granite', 'r', 'y')
df

      name taste
0    apple     y
1   orange     y
2  granite     r

在Dataframe.assign（）中使用if / else会导致ValueError：系列的真值

2 个答案: