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

在使用pandas判断数据时出现错误提示:

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

个人理解:这是因为,你将一个值与多个值或一个列表中的值相比较、匹配,导致的问题

看提示,我们可以知道,在比较前,我们可以使用它推荐的某个方法:

a.empty    if(a.empty):print("!!")    判断a是否为空

a.item()     没有用过,应该a.item(i)  表示第i个节点

a.any()       if(a.any() in [1,2,3,4]):print("!!")    判断 a中的任意一个值是否在[1,2,3,4]中

a.all()         if(a.all() in [1,2,3,4]):print("!!")    判断 a中的所有值是否在[1,2,3,4]中

错误提示的意思应该就是 所选的真值不明确 也就是你给的值和作比较的值两个不是一个类型的。

原文地址:https://www.cnblogs.com/wind-chaser/p/11518701.html

时间: 2024-10-02 07:30:20

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any()的相关文章

python pandas进行条件筛选时出现ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().”

在使用pandas进行条件筛选时,使用了如下的代码: fzd_index=data[(data['实际辐照度']<mi)or(data['实际辐照度']>ma)].index 原本以为,并没有太大的问题.但是出现了ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().” 这样的报错. 正确方式: fzd_index=data[(data.

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

https://blog.csdn.net/ztf312/article/details/50708302 报错原因: Numpy对逻辑表达式判别不清楚,它可以返回False如果等号两边两个式子是数值相等,也可以返回True因为等号两边两个式子是逻辑相等.它觉得这是模棱两可的,因此放弃做判断,统一用a.any()进行或比较,或a.all()进行与比较. 原文地址:https://www.cnblogs.com/christy99cc/p/11294636.html

pandas 数据处理遇到的问题

数据为DataFrame格式,如下: 1.对每一行,FirstCab的值为空时,Weight的值乘以0.8 方法一(可行):df.loc[df['FirstCab'].isnull(),'Weight'] *= 0.8 方法二(可行):df['Weight'] = np.where(df['FirstCab'].isnull(),df['Weight']*0.8,df['Weight']) 方法三(不可行):df[df['FirstCab'].isnull()]['Weight']  *= 0.

Python 中 (&amp;,|)和(and,or)之间的区别

(&,|)和(and,or)是两组比较相似的运算符,用在"与"/ "或"上,在用法上有些许区别.(&,|)和(and,or)是用来比较两组变量的,格式基本上是: a & ba | ba and ba or b如果a,b是数值变量, 则&, |表示位运算, and,or则依据是否非0来决定输出,&, |: 1&2,2在二进制里面是10,1在二进制中是01,那么01与运算10得到是0 1 & 2 # 输出为 0,

pandas小记:pandas数据输入输出

http://blog.csdn.net/pipisorry/article/details/52208727 数据输入输出 数据pickling pandas数据pickling比保存和读取csv文件要快2-3倍(lz测试不准,差不多这么多). ltu_df.to_pickle(os.path.join(CWD, 'middlewares/ltu_df')) ltu_df = pd.read_pickle(os.path.join(CWD, 'middlewares/ltu_df')) [re

Data manipulation primitives in R and Python

Data manipulation primitives in R and Python Both R and Python are incredibly good tools to manipulate your data and their integration is becoming increasingly important1. The latest tool for data manipulation in R is Dplyr2 whilst Python relies onPa

3、pandas

原文出处: pandas.pydata.org   译文出处:石卓林 这是关于pandas的简短介绍,主要面向新用户.可以参阅Cookbook了解更复杂的使用方法. 链接:http://python.jobbole.com/84416/ 习惯上,我们做以下导入 Python 1 2 3 In [1]: import pandas as pd In [2]: import numpy as np In [3]: import matplotlib.pyplot as plt 创建对象 使用传递的值

pandas_1

大熊猫10分钟 这是对熊猫的简短介绍,主要面向新用户.您可以在Cookbook中看到更复杂的食谱. 通常,我们导入如下: In [1]: import numpy as np In [2]: import pandas as pd 对象创建 请参阅数据结构简介部分. 创建一个Series通过传递值的列表,让大熊猫创建一个默认的整数索引: In [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8]) In [4]: s Out[4]: 0 1.0 1 3.0 2 5

Codeforces Gym 100610 Problem H. Horrible Truth 瞎搞

Problem H. Horrible Truth Time Limit: 1 Sec Memory Limit: 256 MB 题目连接 http://codeforces.com/gym/100610 Description In a Famous TV Show “Find Out” there are n characters and only one Horrible Truth. To make the series breathtaking all way long, the sc