Pandas isin() 给出 ValueError：Series 的真值是不明确的。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all() [重复]

Question

我想检查我正在使用的日期是否已经存在于 DataFrame 中。如果是，我想将另一个 DataFrame 中的值添加到该日期行的计数列中。我不，我只想将新行连接到 DataFrame。

我的数据框如下所示：

结果_df：

       date     count
0 '2021-01-01'    10           
1 '2021-01-02'    13       
...

temp_df：

      date      count          
0 '2021-01-02'    8    

我使用的代码如下：

date = '2021-01-02'
if result_df.loc[result_df['date'].isin([date])].any():
   result_df.loc[result_df['date'] == date, 'count'] += temp_df['count']
else:
   result_df = pd.concat([result_df, temp_df], ignore_index=True)

因此出现以下错误：

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

请帮我解决这个问题。

Answer 1

具体到您正在尝试的内容，您可以使用以下方法获取匹配日期：

result_df['date'].isin(temp_df['date'])
0    False
1     True
Name: date, dtype: bool

但是由于您想在 date 匹配时从两个 df 中添加 count，因此请使用 df.merge() 创建具有必要匹配的数据框，然后从“右侧”的 df 中添加计数：

merged = result_df.merge(temp_df, how='left', on='date', suffixes=('', '_y')).fillna(0)
result_df['count'] += merged['count_y']

请注意，这将匹配每个 date，这在两个 df 中都很常见，而不仅仅是一个日期值。因此，您可以一次性为所有匹配的日期temp_df 执行此操作。

fillna 用于为counts 填入0，而temp_df 中缺少这些@s。在merged 数据框中，它有_y 后缀：

           date  count  count_y
0  '2021-01-01'     10      0.0
1  '2021-01-02'     13      8.0

最终result_df 是：

           date  count
0  '2021-01-01'   10.0
1  '2021-01-02'   21.0

---

对于您遇到的错误，请参阅此问题 - Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()。

Answer 2

如果你只匹配一个日期，比如示例数据，你可以试试：

date = '2021-01-02'
result_df.loc[result_df['date'].isin([date]), 'count'] += temp_df.loc[temp_df['date'] == date, 'count'].values

结果：

print(result_df)

         date  count
0  2021-01-01     10
1  2021-01-02     21

您的代码出现错误的原因是 Python if 语句无法处理包含多个值的 Pandas 系列。因为您的代码 .isin() 实际上返回一个布尔系列，其中 2 个 True/False 值对应于 2 个日期的 2 行的检查结果。因此，错误。您必须将 Python if 语句的使用替换为仅 Pandas / numpy 代码才能正确处理它。

Answer 3

如果我理解正确，您想检查日期是否在列中。可以这样做：

date = '2021-01-02'
if date in result_df['date'].values:
   result_df.loc[result_df['date'] == date, 'count'] += temp_df['count']
else:
   result_df = pd.concat([result_df, temp_df], ignore_index=True)