在Pandas中使用lambda和.apply（）

Question

在Pandas中，我试图使用.apply（）应用这个lambda函数，我得到了一个错误：“ValueError:序列的真值是不明确的。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

我做错了什么

(beers[:10] - beers.mean()).apply(lambda x: 'low' if x < 0 else 'high')

啤酒是一个系列

谢谢

Answer 1

beers不是Series否则代码工作正常。它当然是一个DataFrame并且很可能是一个DataFrame只有一列

演示：

>>> beers = pd.Series(np.random.randint(1, 10, 20))

>>> type(beers)
pandas.core.series.Series

>>> (beers[:10] - beers.mean()).apply(lambda x: 'low' if x < 0 else 'high')
0    high
1     low
2    high
3     low
4    high
5    high
6     low
7    high
8    high
9     low
dtype: object

现在，如果beers是DataFrame：

>>> beers = beers.to_frame()

>>> type(beers)
pandas.core.frame.DataFrame

>>> (beers[:10] - beers.mean()).apply(lambda x: 'low' if x < 0 else 'high')
...
ValueError: The truth value of a Series is ambiguous.
Use a.empty, a.bool(), a.item(), a.any() or a.all().

在beers只有一列的情况下，可以使用squeeze：

>>> (beers[:10] - beers.mean()).squeeze().apply(lambda x: 'low' if x < 0 else 'high')
0    high
1     low
2    high
3     low
4    high
5    high
6     low
7    high
8    high
9     low
Name: 0, dtype: object

Answer 2

我想你想做的是 如果啤酒是一个系列，如果它是一个df，你也需要列名

beers_mean = beers.mean()
beers[:10].apply(lambda x: 'low' if (x-beers_mean)<0 else 'high'

它不能将啤酒[:10]-beers.mean（）放入一个新的系列，这就是为什么会出现异常

如果beers是DF，并且您希望在表中的单个列上执行此操作，那么 只是先挑的

beer_col = beers[['col_name']]
beers_mean = beer_col .mean()
beer_col[:10].apply(lambda x: 'low' if (x-beers_mean)<0 else 'high'