ValueError: Series 的真值不明确（API NaN 处理）

Posted 2023-03-12

【中文标题】ValueError: Series 的真值不明确（API NaN 处理）

【英文标题】：ValueError: The truth value of a Series is ambiguous (API NaN handling)

【发布时间】：2019-12-19 18:03:05

【问题描述】：

我正在 django-rest-framework 中开发一个 API，根据您的输入参数，您会得到不同的响应。 API 正在计算将根据数据库返回给用户的指标。

我写了一个函数来处理 NaN 值，如下所示：

def nan_to_none(value):
    if not isinstance(value, str) and value is not None and np.isnan(value):
        return None
    return value

这是弹出错误的响应元素：

 "prog": nan_to_none(row["average_items_prog"])

这是引发问题的 SQL 行：

  ((((coalesce(qte_art, 0) / nullif(nb_client, 0)) - (coalesce(qte_art_n1, 0) / nullif(nb_client_n1, 0))) / (coalesce(qte_art_n1, 0) / nullif(nb_client_n1, 0))) * 100) as average_items_prog,

这是错误信息：

  File "C:\Users\wdc\views.py", line 464, in get
    "prog": nan_to_none(row["average_items_prog"]),
  File "C:\Users\wdc\views.py", line 28, in nan_to_none
    if not isinstance(value, str) and value is not None and np.isnan(value):
  File "C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\generic.py", line 1478, in __nonzero__
    .format(self.__class__.__name__))
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

我不知道如何解决这个问题！

【参考方案1】：

尝试改变：

"prog": nan_to_none(row["average_items_prog"])

Series.apply:

"prog": row["average_items_prog"].apply(nan_to_none)

测试：

s = pd.Series(['a', 0, 0, 1, None, np.nan])
print (s)
0       a
1       0
2       0
3       1
4    None
5     NaN
dtype: object

def nan_to_none(value):
    if not isinstance(value, str) and value is not None and np.isnan(value):
        return None
    return value

print (s.apply(nan_to_none))
#in your solution
#"prog": row["average_items_prog"].apply(nan_to_none)
0       a
1       0
2       0
3       1
4    None
5    None
dtype: object

似乎解决方案应该通过测试来简化np.nan != np.nan：

def nan_to_none(value):
    if value != value:
        return None
    return value

print (s.apply(nan_to_none))
#in your solution
#"prog": row["average_items_prog"].apply(nan_to_none)
0       a
1       0
2       0
3       1
4    None
5    None
dtype: object

或将None 设置为Series.mask：

print (s.mask(s.isna(), None))
#in your solution
#"prog": row["average_items_prog"].mask(s.isna(), None)
0       a
1       0
2       0
3       1
4    None
5    None
dtype: object

【讨论】：

感谢您的详尽回复！你能解释更多关于用 value !=value

改变这个小函数吗？

@S.Jackson - 当然，这是来自In [12]: np.nan == np.nan Out[12]: False 的好技巧，因此使用np.nan != np.nan 测试缺失值返回True 仅用于缺失值