时间戳

首页 > 解决方案 > pandas df列中的布尔函数-面向对象-系列的模棱两可的真值

python - pandas df列中的布尔函数-面向对象-系列的模棱两可的真值

问题描述

我需要一些帮助来创建一个包含布尔函数的数据框列。我想根据有关其他 df 列数据的条件接收 True 或 False 值。

数据框：

            date    C   A
0   2020-02-04  3284.75 3284.75
1   2020-02-05  3322.25 3303.50
2   2020-02-06  3333.25 3327.75
3   2020-02-07  3315.50 3324.38
4   2020-02-10  3340.25 3327.88
5   2020-02-11  3345.50 3342.88
6   2020-02-12  3367.00 3356.25
7   2020-02-13  3363.50 3365.25
8   2020-02-14  3368.25 3365.88

这是功能：

def func(C, A):
    for i in range(3):
        if C.shift(i) >= A.shift(i):
            j + 1
    if j == 3:
        val = True
    else:
        val = False
    return val

我在这里调用函数：

    data['Func'] = data.apply(func(data['C'], data['A']), axis=1)

我在这个例子中得到的错误是

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

我试图让它工作的最常见的错误是

TypeError: 'DatetimeIndex' object is not callable

和

AttributeError: ("'numpy.float64' object has no attribute 'shift'",

在这一点上，我不确定哪些元素有效或无效。任何帮助，将不胜感激。提前致谢。

标签： pythonpandasdataframeobjectboolean

解决方案

  • Row-wise.apply就像一个 Glorified for-loop，这意味着C和A在你的函数中每个都等于一个值，而不是一个系列。因此shift将不起作用。
  • 你可以试试np.where
  • 预期的输出并不完全清楚，所以希望这会让你走上正轨。
import numpy as np

df['Func'] = np.where((df.C.shift(0) >= df.A.shift(0)) & (df.C.shift(1) >= df.A.shift(1)) & (df.C.shift(2) >= df.A.shift(2)), True, False)

display(df)

       C        A   Func
 3284.75  3284.75  False
 3322.25  3303.50  False
 3333.25  3327.75   True
 3315.50  3324.38  False
 3340.25  3327.88  False
 3345.50  3342.88  False
 3367.00  3356.25   True
 3363.50  3365.25  False
 3368.25  3365.88  False

解释

  • 对于每一行，每个条件都必须True是FuncTrue

shift(0)

df.C.shift(0) >= df.A.shift(0)

date
2020-02-04     True
2020-02-05     True
2020-02-06     True
2020-02-07    False
2020-02-10     True
2020-02-11     True
2020-02-12     True
2020-02-13    False
2020-02-14     True

shift(1)

df.C.shift(1) >= df.A.shift(1)

date
2020-02-04    False
2020-02-05     True
2020-02-06     True
2020-02-07     True
2020-02-10    False
2020-02-11     True
2020-02-12     True
2020-02-13     True
2020-02-14    False

shift(2)

df.C.shift(2) >= df.A.shift(2)

date
2020-02-04    False
2020-02-05    False
2020-02-06     True
2020-02-07     True
2020-02-10     True
2020-02-11    False
2020-02-12     True
2020-02-13     True
2020-02-14     True

推荐阅读