熊猫：处理缺失数据时的真值条件是什么

Question

我有一个创建比率的函数。它被定义为

def create_ratio(data,num,den):
    if data[num].isnull():
        ratio = -9997
    if data[den].isnull():
        ratio = -9998
    if data[num].isnull() & data[den].isnull():
        ratio = -9999
    else:
        ratio = data[num]/data[den]
    return ratio

我有 pandas 数据框 (df_credit)，其中包括信用卡余额 (cc_bal) 和限额 (cc_limit)，我想计算余额超出限额的信用卡利用率

df_credit['cc_util'] = create_ratio(df_credit,'cc_bal','cc_limit')

我收到以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-66-d53809a7690d> in <module>
----> 1 data['ratio_cc_util'] = create_ratio(data,'open_credit_card_credit_limit_nomiss','open_credit_card_credit_limit_nomiss')
      2 data['ratio_cc_util'].hist()

<ipython-input-65-99bc55b184ed> in create_ratio(data, num, den)
      1 def create_ratio(data,num,den):
----> 2     if data[num].isnull():
      3         ratio = -9997
      4     if data[den].isnull():
      5         ratio = -9998

/opt/conda/lib/python3.7/site-packages/pandas/core/generic.py in __nonzero__(self)
   1441     def __nonzero__(self):
   1442         raise ValueError(
-> 1443             f"The truth value of a {type(self).__name__} is ambiguous. "
   1444             "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
   1445         )

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

这个错误的解决方法是什么？谢谢。

Answer 1

• 您在标量和系列之间混合使用，您的函数需要在给定调用上下文的情况下返回系列或数组
• 实现此条件逻辑的最简单方法是np.select()
• 有模拟数据，包括满足您的用例的缺失值

df = pd.DataFrame({
        "cc_bal": np.random.uniform(200, 1000, 200),
        "cc_limit": np.random.uniform(800, 1200, 200),})

df.loc[np.unique(np.random.choice(range(len(df)), 30)), "cc_bal"] = None
df.loc[np.unique(np.random.choice(range(len(df)), 30)), "cc_limit"] = None


def create_ratio(df, num, den):
    return np.select(
        [
            df[num].isnull() & df[den].isnull(),
            df[num].isnull(),
            df[den].isnull(),
        ],
        [-9999, -9997, -9998],
        df[num] / df[den],
    )


df["ratio"] = create_ratio(df, "cc_bal", "cc_limit")
df

样本输出

	cc_bal	cc_limit	ratio
0	372.633	981.996	0.379465
1	845.541	1133.69	0.745831
2	449.406	975.903	0.460503
3	209.827	922.829	0.227374
4	237.347	936.654	0.253398
5	351.154	nan	-9998
6	nan	873.671	-9997
7	803.396	861.791	0.93224
8	591.136	807.176	0.732352
9	675.397	847.059	0.797344