Pandas 应用 ValueError：Series 的真值不明确答案

【问题标题】：Pandas apply ValueError: The truth value of a Series is ambigousPandas 应用 ValueError：Series 的真值不明确
【发布时间】：2018-07-05 17:26:41
【问题描述】：

我正在尝试使用

创建一个新功能

df_transactions['emome'] = df_transactions['emome'].apply(lambda x: 1 if df_transactions['plan_list_price'] ==0 & df_transactions['actual_amount_paid'] > 0 else 0).astype(int)

但它会引发错误

ValueError：Series 的真值不明确。使用 a.empty， a.bool()、a.item()、a.any() 或 a.all()。

当 plan_list_price 为 0 且 actual_amount_paid 为 >0 时，我如何创建一个返回 1 的新列，否则为 0？

我仍想使用 pandas 申请。

【问题讨论】：

"我还想使用 pandas apply。"为什么？
因为我之前遇到过几次这个问题，我想学习使用pandas apply的正确方法。
正确的使用 apply... 的方法是根本不使用它；）另外，原因是你使用了 & 当你应该使用 and。不要互换使用它们。 & 仅在数据帧上下文中为逻辑 AND。
问题本身并不适用。这是您对如何使用多个逻辑条件的误解，其中存在重复。
我试过了，还是一样的错误

标签： python pandas

【解决方案1】：

您真的很接近，但没有apply 的矢量化解决方案要好得多 - 获取布尔掩码并转换为int：

mask = (df_transactions['plan_list_price'] == 0) & 
       (df_transactions['actual_amount_paid'] > 0)
df_transactions['emome'] = mask.astype(int)

如果真的想慢点apply:

f = lambda x: 1 if x['plan_list_price'] ==0 and x['actual_amount_paid'] > 0 else 0
df_transactions['emome'] = df_transactions.apply(f, axis=1)

示例：

df_transactions = pd.DataFrame({'A':list('abcdef'),
                                'plan_list_price':[0,0,0,5,5,0],
                                'actual_amount_paid':[-1,0,9,4,2,3]})


mask = (df_transactions['plan_list_price'] == 0) & \
       (df_transactions['actual_amount_paid'] > 0)
df_transactions['emome1'] = mask.astype(int)

f = lambda x: 1 if x['plan_list_price'] ==0 and x['actual_amount_paid'] > 0 else 0
df_transactions['emome2'] = df_transactions.apply(f, axis=1)
print (df_transactions)

   A  actual_amount_paid  plan_list_price  emome1  emome2
0  a                  -1                0       0       0
1  b                   0                0       0       0
2  c                   9                0       1       1
3  d                   4                5       0       0
4  e                   2                5       0       0
5  f                   3                0       1       1

时间安排：

#[60000 rows]
df_transactions = pd.concat([df_transactions] * 10000, ignore_index=True)

In [201]: %timeit df_transactions['emome1'] = ((df_transactions['plan_list_price'] == 0) & (df_transactions['actual_amount_paid'] > 0)).astype(int)
1000 loops, best of 3: 971 µs per loop

In [202]: %timeit df_transactions['emome2'] = df_transactions.apply(lambda x: 1 if x['plan_list_price'] ==0 and x['actual_amount_paid'] > 0 else 0, axis=1)
1 loop, best of 3: 1.15 s per loop

【讨论】：

我想用df_transactions['emome'] = df_transactions['emome'].apply(xxx)，xxx部分怎么填？

【解决方案2】：

几个问题：

在等式的右侧，新字段 (emome) 不是尚未创建。
lambda 函数在 x 上，而不是在 df_transactions 上，它在此范围内不存在。
您需要指定轴，因为您要应用于每一行（默认为每一列）。

来自文档：

axis : {0 or ‘index’, 1 or ‘columns’}，默认为 0 应用函数：

0 或“索引”：将函数应用于每一列。 1 或“列”：应用每一行的函数。

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html

【讨论】：