L'évaluation de pandas série de valeurs avec des expressions logiques et si-états

Je vais avoir de la difficulté à évaluer les valeurs d'un dictionnaire à l'aide des instructions if.

Donné le dictionnaire suivant, j'ai importé à partir d'un dataframe (dans le cas où c'est important):

>>> pnl[company]
29:   Active Credit       Date   Debit Strike Type
0      1      0 2013-01-08  2.3265  21.15  Put
1      0      0 2012-11-26      40     80  Put
2      0      0 2012-11-26     400     80  Put

J'ai essayé d'évaluer le texte suivant déclaration d'établir la valeur de la dernière valeur de Active:

if pnl[company].tail(1)['Active']==1:
    print 'yay'

Cependant,j'ai été confronté au message d'erreur suivant:

Traceback (most recent call last):
  File "<pyshell#69>", line 1, in <module>
    if pnl[company].tail(1)['Active']==1:
  File "/usr/lib/python2.7/dist-packages/pandas/core/generic.py", line 676, 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().

Cela m'a surpris, étant donné que j'ai pu montrer la valeur que j'ai voulu à l'aide de la commande ci-dessus sans l'instruction if:

>>> pnl[company].tail(1)['Active']
30: 2    0
Name: Active, dtype: object

Étant donné que la valeur est clairement zéro et l'indice est de 2, j'ai essayé ce qui suit, pour un bref contrôle de votre site et a constaté que les choses n'étaient pas passe que je l'aurais attendu:

>>> if pnl[company]['Active'][2]==0:
...     print 'woo-hoo'
... else:
...     print 'doh'


doh

Ma Question est:

1) Ce qui pourrait se passer ici? Je pense que je suis l'incompréhension de dictionnaires sur certains fondamentaux.

2) j'ai remarqué que comme je l'ai apporter toute valeur donnée de ce dictionnaire, le nombre sur la gauche augmente de 1. Que représente t-il? Par exemple:

>>> pnl[company].tail(1)['Active']
31: 2    0
Name: Active, dtype: object
>>> pnl[company].tail(1)['Active']
32: 2    0
Name: Active, dtype: object
>>> pnl[company].tail(1)['Active']
33: 2    0
Name: Active, dtype: object
>>> pnl[company].tail(1)['Active']
34: 2    0
Name: Active, dtype: object

Merci d'avance pour toute aide.

Ce n'est pas une question à propos des dictionnaires, mais sur les Pandas Series objets.
Cela semble être quelque chose de spécifique à la panda de la bibliothèque que vous utilisez. Il semble que les pandas fournit des objets d'une sorte de loi tels que des dictionnaires, mais diffèrent de façon importante. Pour être clair, vous n'êtes pas affaire avec Python habituel dictionnaires ici, mais en utilisant une structure de données fournies par les pandas qui a dictionnaire de la syntaxe.
Vous donner une série n'est pas un dictionnaire, comme telle, elle ne peut pas évaluer votre requête booléenne, comme l'erreur suggèrent que vous devez faire pnl[company].tail(1)['Active'].any()==1 même si c'est toujours une valeur unique
Quant à votre deuxième question, êtes-vous confus l'ordinal nombre de sortie? donc, si vous venez à plusieurs reprises ne imprimer "yay" ou print("bravo") (pour python 3) le nombre toujours incrément
Le fait que vous obtenez des erreurs telles que The truth value of a Series is ambiguous de l'intérieur les pandas de la bibliothèque de fichiers source.

OriginalL'auteur neanderslob | 2014-05-04

  1. 6

    Ce que vous yield Pandas objet de Série, et ce ne peut pas être évalué de la manière que vous essayez, même si ce est juste une seule valeur dont vous avez besoin pour changer votre ligne:

    if pnl[company].tail(1)['Active'].any()==1:
  print 'yay'

    Quant à votre deuxième question, voir mon commentaire.

    MODIFIER

    De commentaires, et un lien vers votre sortie, appelant any() correction du message d'erreur, mais vos données sont en fait des chaînes de sorte que la comparaison n'a toujours pas, vous pouvez soit le faire:

    if pnl[company].tail(1)['Active'].any()=='1':
  print 'yay'

    De faire une comparaison de chaînes de caractères, ou de corriger les données cependant, il a été lu ou générés.

    Ou faire:

    pnl['Company']['Active'] = pnl['Company']['Active'].astype(int)

    Pour convertir le dtype de la colonne, de sorte que votre comparaison est plus correct.

    Comme toujours, merci pour votre aide! J'ai donné la solution d'un coup et il n'a en effet se débarrasser de l'erreur. Cependant, je ne peux pas le faire reconnaître la valeur. Quelle que soit la valeur, je n'arrive pas à imprimer "yay'. Voir le résultat ici Même situation appliqué à mon "sanity check" dans la question ci-dessus. Une idée de pourquoi ce qui se passe?
    Qui ressemble à une chaîne ne if pnl[company].tail(1)['Active'].any()=='0' travail? voulez-vous comme une chaîne de caractères ou un int/float?
    Le .any() renvoie True ou False. Je ne sais pas si la comparaison de la valeur de retour de any avec 1 est ce que l'OP a véritablement l'intention...
    Je ne suis pas d'observer que, lorsque j'appelle df.tail(1)['col'].any() elle renvoie la valeur, la comparaison du rendement de la volonté d'un Vrai ou Faux
    Corrigez, cependant vous lire les données dans le premier endroit ou le faire pnl['Company']['Active'] = pnl['Company']['Active'].astype(int)

    OriginalL'auteur

  2. 3

    Une Série est une sous-classe de NDFrame. Le NDFrame.__bool__ méthode soulève toujours un ValueError. Ainsi, en essayant d'évaluer une Série dans un contexte booléen soulève un ValueError, même si la Série a, mais une seule valeur.

    La raison pour laquelle NDFrames ont aucune valeur booléenne (err, c'est toujours faire un ValueError), c'est parce qu'il y a plus d'un critère que l'on pourrait raisonnablement s'attendre à une NDFrame pour être Vrai. Cela pourrait signifier

    1. chaque élément dans la NDFrame est Vrai, ou (si oui, utiliser .all())
    2. n'importe quel élément dans la NDFrame est Vrai, ou (si oui, utiliser Series.any())
    3. la NDFrame n'est pas vide (dans ce cas, utilisez .empty())

    Depuis un ou l'autre est possible, et depuis les différents utilisateurs ont des attentes différentes, au lieu de simplement choisir un, les développeurs refusent de deviner et, au lieu de demander à l'utilisateur de la NDFrame à rendre explicite ce critère qu'ils souhaitent utiliser.

    Le message d'erreur listes les plus susceptibles choix:

    Utiliser un.vide, une.bool(), un.item(), un.() ou une.tous les()

    Puisque dans votre cas, vous savez la Série peut contenir qu'une seule valeur, vous pouvez utiliser item:

    if pnl[company].tail(1)['Active'].item() == 1:
    print 'yay'

    Concernant votre deuxième question: les nombres sur La gauche semblent être la numérotation des lignes produites par votre interpréteur Python (PyShell?) - mais c'est juste mon avis.

    AVERTISSEMENT: sans doute,

    if pnl[company].tail(1)['Active']==1:

    signifie que vous souhaitez que la condition est Vraie quand la valeur unique de la Série est égal à 1. Le code

    if pnl[company].tail(1)['Active'].any()==1:
  print 'yay'

    sera le cas si l'dtype de la Série est numérique et la valeur de la Série est n'importe quel nombre autre que 0. Par exemple, si nous prenons pnl[company].tail(1)['Active'] être égale à 

    In [128]: s = pd.Series([2], index=[2])

    puis

    In [129]: s.any()
Out[129]: True

    et, par conséquent,

    In [130]: s.any()==1
Out[130]: True

    Je pense que s.item() == 1 plus fidèlement préserve votre sens:

    In [132]: s.item()==1
Out[132]: False

    (s == 1).any() également de travailler, mais à l'aide de any ne pas exprimer votre intention très simplement, puisque vous savez que la Série va contenir qu'une seule valeur.

    OriginalL'auteur

  3. 0

    Votre question n'a rien à voir avec Python dictionnaires, natif ou Python.
    C'est sur les pandas de la Série, et les autres réponses vous a donné la syntaxe correcte:

    L'interprétation de vos questions dans le sens le plus large, c'est sur la façon pandas Series était entassé sur NumPy, et NumPy historiquement, jusqu'à récemment, avait notoirement pauvres de soutien pour les valeurs logiques et les opérateurs. les pandas ne du mieux qu'elle peut avec ce que NumPy fournit. Ayant parfois appeler manuellement numpy fonctions logiques au lieu d'écrire du code arbitraire (Python) les opérateurs est ennuyeux et maladroit et parfois gonfle pandas code. Aussi, vous avez souvent à cette performance (numpy mieux que médiateur et de natif de Python). Mais c'est le prix que nous payons.

    Il y a beaucoup de limitations, bizarreries et des pièges (exemples ci-dessous) - le meilleur conseil est de se méfier de booléenne, comme un premier de la classe-citoyen dans les pandas en raison de numpy limitations:

    .

    import numpy as np
import pandas as pd
s = pd.Series([True, True, False, True, np.NaN])
s2  = pd.Series([True, True, False, True, np.NaN])
dir(s) # look at .all, .any, .bool, .eq, .equals, .invert, .isnull, .value_counts() ...

s.astype(bool) # WRONG: should use the member s.bool ; no parentheses, it's a member, not a function
# 0     True
# 1     True
# 2    False
# 3     True
# 4     True  # <--- should be NA!!
#dtype: bool

s.bool
# <bound method Series.bool of
# 0     True
# 1     True
# 2    False
# 3     True
# 4      NaN
# dtype: object>

# Limitation: value_counts() currently excludes NAs
s.value_counts()
# True     3
# False    1
# dtype: int64
help(s.value_counts) # "... Excludes NA values(!)"

# Equality comparison - vector - fails on NAs, again there's no NA-handling option):
s == s2 # or equivalently, s.eq(s2)
# 0     True
# 1     True
# 2     True
# 3     True
# 4    False  # BUG/LIMITATION: we should be able to choose NA==NA
# dtype: bool

# ...but the scalar equality comparison says they are equal!!
s.equals(s2)
# True
    Les pandas de l'équipe font un travail formidable sur les correctifs/améliorations, afin que rapport de toutes les corrections/renforce/pièges/docbugs. Aussi, le livre de cuisine et les blogs sont grandement nécessaires.
    livre de cuisine a été autour d'un moment: pandas-docs.github.io/pandas-docs-travis/cookbook.html

    OriginalL'auteur