Python Pandas - 注意事项和陷阱

Caveats 表示警告，gotcha 表示未发现的问题。

在 Pandas 中使用 If/Truth 语句

当您尝试将某些内容转换为 bool 时，Pandas 遵循引发错误的 numpy 约定。 这发生在使用布尔运算的 if 或 when 以及 or 或 not 中。目前尚不清楚结果应该是什么。 它应该是真的，因为它不是零长度吗? False 因为有 False 值? 目前还不清楚，因此，Pandas 引发了 ValueError −

import pandas as pd

if pd.Series([False, True, False]):
   print 'I am True'

它的输出如下 −

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

在 if 条件下，不清楚如何处理它。 该错误提示是使用 None 还是 其中任何一个。

import pandas as pd

if pd.Series([False, True, False]).any():
   print("I am any")

它的输出如下 −

I am any

要在布尔上下文中评估单元素 pandas 对象，请使用方法 .bool() −

import pandas as pd

print pd.Series([True]).bool()

它的输出如下 −

True

按位布尔值

像 == 和 != 这样的按位布尔运算符将返回一个布尔系列，无论如何这几乎总是需要的。

import pandas as pd

s = pd.Series(range(5))
print s==4

它的输出如下 −

0 False
1 False
2 False
3 False
4 True
dtype: bool

isin 操作

这将返回一个布尔系列，显示系列中的每个元素是否完全包含在传递的值序列中。

import pandas as pd

s = pd.Series(list('abc'))
s = s.isin(['a', 'c', 'e'])
print s

它的输出如下 −

0 True
1 False
2 True
dtype: bool

Reindexing vs ix Gotcha

许多用户会发现自己使用 ix 索引功能作为从 Pandas 对象中选择数据的简洁方法 −

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))

print df
print df.ix[['b', 'c', 'e']]

它的输出如下 −

          one        two      three       four
a   -1.582025   1.335773   0.961417  -1.272084
b    1.461512   0.111372  -0.072225   0.553058
c   -1.240671   0.762185   1.511936  -0.630920
d   -2.380648  -0.029981   0.196489   0.531714
e    1.846746   0.148149   0.275398  -0.244559
f   -1.842662  -0.933195   2.303949   0.677641

          one        two      three       four
b    1.461512   0.111372  -0.072225   0.553058
c   -1.240671   0.762185   1.511936  -0.630920
e    1.846746   0.148149   0.275398  -0.244559

当然，在这种情况下，这完全等同于使用 reindex 方法 −

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))

print df
print df.reindex(['b', 'c', 'e'])

它的输出如下 −

          one        two      three       four
a    1.639081   1.369838   0.261287  -1.662003
b   -0.173359   0.242447  -0.494384   0.346882
c   -0.106411   0.623568   0.282401  -0.916361
d   -1.078791  -0.612607  -0.897289  -1.146893
e    0.465215   1.552873  -1.841959   0.329404
f    0.966022  -0.190077   1.324247   0.678064

          one        two      three       four
b   -0.173359   0.242447  -0.494384   0.346882
c   -0.106411   0.623568   0.282401  -0.916361
e    0.465215   1.552873  -1.841959   0.329404

基于此，有些人可能会得出结论，ix 和 reindex 是 100% 等效的。 除非在整数索引的情况下，否则这是正确的。 例如，上述操作也可以表示为 −

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))

print df
print df.ix[[1, 2, 4]]
print df.reindex([1, 2, 4])

它的输出如下 −

          one        two      three       four
a   -1.015695  -0.553847   1.106235  -0.784460
b   -0.527398  -0.518198  -0.710546  -0.512036
c   -0.842803  -1.050374   0.787146   0.205147
d   -1.238016  -0.749554  -0.547470  -0.029045
e   -0.056788   1.063999  -0.767220   0.212476
f    1.139714   0.036159   0.201912   0.710119

          one        two      three       four
b   -0.527398  -0.518198  -0.710546  -0.512036
c   -0.842803  -1.050374   0.787146   0.205147
e   -0.056788   1.063999  -0.767220   0.212476

    one  two  three  four
1   NaN  NaN    NaN   NaN
2   NaN  NaN    NaN   NaN
4   NaN  NaN    NaN   NaN

请务必记住，reindex 只是严格的标签索引。 在索引包含整数和字符串的病理情况下，这可能会导致一些潜在的令人惊讶的结果。