Python Pandas - 注意事項與陷阱

---

---

Caveats 意為警告，gotcha 意為未預見到的問題。

在 Pandas 中使用 If/Truth 語句

Pandas 遵循 numpy 的約定，即當您嘗試將某些內容轉換為bool時會引發錯誤。這發生在if或when使用布林運算子and、or或not時。結果尚不清楚。它應該是 True 因為它不是零長度嗎？False 因為它存在 False 值嗎？不清楚，因此，Pandas 會引發ValueError -

import pandas as pd

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

其輸出如下所示 -

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

在if條件中，不清楚如何處理它。錯誤提示是否使用None或其中任何一個。

import pandas as pd

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

其輸出如下所示 -

I am any

要在布林上下文中評估單元素 Pandas 物件，請使用.bool()方法 -

import pandas as pd

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

其輸出如下所示 -

True

按位布林

像 == 和!= 這樣的按位布林運算子將返回一個布林序列，這幾乎總是需要的。

import pandas as pd

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

其輸出如下所示 -

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

isin 操作

這將返回一個布林序列，顯示 Series 中的每個元素是否完全包含在傳遞的值序列中。

import pandas as pd

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

其輸出如下所示 -

0 True
1 False
2 True
dtype: bool

重索引與 ix 陷阱

許多使用者會發現自己使用ix 索引功能作為從 Pandas 物件中選擇資料的簡潔方法 -

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']]

其輸出如下所示 -

          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

當然，在這種情況下，這與使用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'])

其輸出如下所示 -

          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

有些人可能會根據此得出ix和reindex100% 等效的結論。除了整數索引的情況外，這是正確的。例如，上述操作可以表示為 -

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])

其輸出如下所示 -

          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

務必記住，reindex 僅為嚴格的標籤索引。在索引包含整數和字串等病態情況下，這可能會導致一些潛在的意外結果。