Python Pandas - 注意事项与陷阱

---

---

Caveats 意为警告，gotcha 意为未预见到的问题。

在 Pandas 中使用 If/Truth 语句

Pandas 遵循 numpy 的约定，即当您尝试将某些内容转换为bool时会引发错误。这发生在if或when使用布尔运算符and、or或not时。结果尚不清楚。它应该是 True 因为它不是零长度吗？False 因为它存在 False 值吗？不清楚，因此，Pandas 会引发ValueError -

import pandas as pd

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

其输出如下所示 -

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

在if条件中，不清楚如何处理它。错误提示是否使用None或其中任何一个。

import pandas as pd

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

其输出如下所示 -

I am any

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

import pandas as pd

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

其输出如下所示 -

True

按位布尔

像 == 和!= 这样的按位布尔运算符将返回一个布尔序列，这几乎总是需要的。

import pandas as pd

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

其输出如下所示 -

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

isin 操作

这将返回一个布尔序列，显示 Series 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

其输出如下所示 -

0 True
1 False
2 True
dtype: bool

重索引与 ix 陷阱

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']]

其输出如下所示 -

          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，这与使用reindex方法完全等效 -

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'])

其输出如下所示 -

          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

有些人可能会根据此得出ix和reindex100% 等效的结论。除了整数索引的情况外，这是正确的。例如，上述操作可以表示为 -

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])

其输出如下所示 -

          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

务必记住，reindex 仅为严格的标签索引。在索引包含整数和字符串等病态情况下，这可能会导致一些潜在的意外结果。