ValueError（在python中创建函数时）：Series的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all() [重复]

Posted 2023-03-11

【中文标题】ValueError（在python中创建函数时）：Series的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all() [重复]

【英文标题】：ValueError (while creating a function in python): The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all() [duplicate]

【发布时间】：2019-03-26 03:51:45

【问题描述】：

def function(df):
    if (df['Total'] > 0) & (df['Total'] <= 50000):
         df['X'] = (df['Total']*(2/150)) * 0.2
    elif (df['Total'] > 50000):
        df['X'] = ((50000*(2/150))*0.2) + ((df['Total']-50000)*(2/150)*0.2)

我正在尝试运行上述代码，但得到一个值错误提示

File "<ipython-input-31-f77514d81c6f>", line 1, in <module>
    platinumplus(cust_spends)

File "<ipython-input-30-da2fd213761f>", line 2, in platinumplus
    if (df['Total'] > 0) & (df['Total'] <= 50000):

File "E:\ProgramData\Anaconda3\lib\site-packages\pandas\core\generic.py", 
    line 1573, in __nonzero__ .format(self.__class__.__name__))

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】：

你能告诉我们堆栈跟踪吗？

能否展示一下数据集？

请检查df['Total'] 类型是否为浮点型。可能是字符串

文件“”，第 1 行，在 Platinumplus(cust_spends) 文件“”，第 2 行，在 Platinumplus if (df['Total'] > 0) & (df['Total'] nonzero .format(self.__class__.__name__)) ValueError: Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

@Abhaykumar 那你能把它贴在问题上，编辑然后添加吗？

【参考方案1】：

我认为问题出在您的if 声明中。 (df['Total'] > 0) & (df['Total'] <= 50000) 将返回一个布尔系列而不是单个 True 或 False 所以 python 不知道如何处理这个问题。如果您希望系列中的所有值为True，您可以使用：

((df['Total'] > 0) & (df['Total'] <= 50000)).all()

【讨论】：

它部分工作，第二个循环不工作。

所以我认为这个答案解决了错误的根源（你必须在你的第二个 if 语句中使用相同的逻辑）。但是，看起来这可能没有达到您的预期 - 根据它们在系列中的评估方式设置值，我建议您使用 numpy.where

查看解决方案

【参考方案2】：

我相信您需要numpy.where 来通过布尔掩码设置列的新值：

df = pd.DataFrame('Total':[10, 10000, 40000, 100])

def function(df):
    mask = (df['Total'] > 0) & (df['Total'] <= 50000)
    v1 = (df['Total']*(2/150)) * 0.2
    v2 = ((50000*(2/150))*0.2) + ((df['Total']-50000)*(2/150)*0.2)

    df['X'] = np.where(mask, v1, v2)
    return df

df1 = df.pipe(function)
print (df1)
   Total           X
0     10    0.026667
1  10000   26.666667
2  40000  106.666667
3    100    0.266667

如果有多个条件使用numpy.select:

df = pd.DataFrame('Total':[10, 10000, 40000, 100, -2])


def function(df):
    mask1 = (df['Total'] > 0) & (df['Total'] <= 50000)
    mask2 = df['Total'] > 50000
    v1 = (df['Total']*(2/150)) * 0.2
    v2 = ((50000*(2/150))*0.2) + ((df['Total']-50000)*(2/150)*0.2)

    df['X'] = np.select([mask1, mask2], [v1, v2], default=np.nan)
    return df

df1 = df.pipe(function)
print (df1)
   Total           X
0     10    0.026667
1  10000   26.666667
2  40000  106.666667
3    100    0.266667
4     -2         NaN

【讨论】：

如果还有一个 elif 条件怎么办？

@Abhaykumar - 添加了解决方案。如果新的 elif 条件创建新的布尔掩码和新值 mask3 和 v3。

@jpp - 我同意，谢谢。

@Abhaykumar - 欢迎您！您也可以接受我的解决方案。要将答案标记为已接受，请单击答案旁边的复选标记以将其从空心切换为绿色 (see screenshot)。谢谢。