Python 数据框：有条件地使用 If Then Else 逻辑创建新列 --> “系列的真值不明确”答案

【问题标题】：Python Dataframe: Create New Column Conditionally Using If Then Else Logic --> "The truth value of a Series is ambiguous"Python 数据框：有条件地使用 If Then Else 逻辑创建新列 --> “系列的真值不明确”
【发布时间】：2017-12-17 22:30:39
【问题描述】：

我正在使用以下代码创建一个新列，其值是基于我的 Python 数据框的其他两列中的值派生的。

# Create a list to store the data
MSP = []

for row in df_EVENT5_18['FLT']:
    if df_EVENT5_18['FLT'].str.contains('1234') & df_EVENT5_18['AR'].str.contains('ABC1'):
        MSP.append(29)
    elif (df_EVENT5_18['FLT'].str.contains('1234')) & (df_EVENT5_18['AR'].str.contains('ABC2')):
        MSP.append(25)
    else:
        MSP.append('')

# Create a new column from the list 
df_EVENT5_18['MSP'] = MSP

当我运行上面的代码时，我得到以下错误：

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

【问题讨论】：

标签： python pandas if-statement conditional ambiguous

【解决方案1】：

每当您认为需要在 pandas 中使用循环时，请再次检查您的代码。一条线索是你有for row in df_EVENT5_18['FLT']:，但你从不使用row。

查找匹配字符串的索引

在这种情况下，我们可以简单地使用布尔评估来获取我们想要设置的索引：

has_flt_1234 = df_EVENT5_18['FLT'].str.contains('1234')
want_29 = has_flt_1234 & df_EVENT5_18['AR'].str.contains('ABC1')
want_25 = has_flt_1234 & df_EVENT5_18['AR'].str.contains('ABC2')

使用布尔系列设置值

然后根据需要设置适当的行：

df_EVENT5_18['MSP'][want_25] = '25'
df_EVENT5_18['MSP'][want_29] = '29'

测试代码：

import pandas as pd

df_EVENT5_18 = pd.DataFrame(dict(
    FLT=['1234', '1234', '1235'],
    AR=['ABC1', 'ABC2', 'ABC1']
))

print(df_EVENT5_18)

has_flt_1234 = df_EVENT5_18['FLT'].str.contains('1234')
want_29 = has_flt_1234 & df_EVENT5_18['AR'].str.contains('ABC1')
want_25 = has_flt_1234 & df_EVENT5_18['AR'].str.contains('ABC2')

# Create a new column from the list
df_EVENT5_18['MSP'] = ''
df_EVENT5_18['MSP'][want_25] = '25'
df_EVENT5_18['MSP'][want_29] = '29'

print(df_EVENT5_18)

结果：

     AR   FLT
0  ABC1  1234
1  ABC2  1234
2  ABC1  1235

     AR   FLT MSP
0  ABC1  1234  29
1  ABC2  1234  25
2  ABC1  1235

【讨论】：

感谢您的详细回复。你在这里应用逻辑的方式非常有趣......有没有办法用 if-elif-else 做到这一点？
当然有。但不要那样做。这会更快。

【解决方案2】：

试试这样的：

df[['new_col']] = df[['a','b'].apply(lambda (a,b) : pd.Series(your condition here),axis=1)

【讨论】：