ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
import pandas as pd
df = pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})
def avg_test2(x,y):
if x==20:
return np.NaN
else:
return (x+y)/2
avg_test2(df['a'],df['b'])
上面的方法调用之所以报错, 是因为传的x是一个Series序列,可以思考为一个向量(好几个标量),而20却只是一个简单的标量,用20和向量比较,计算机就会很迷茫,不知道该跟谁比较(ambiguous)。
想让上面的代码正常的执行, 我们需要把 Series里的每一个值遍历地传递给if 做多次判断, 此时必须要自己写for循环, 可以通过 np.vectorize(avg_test2) 这种方式, 把这个方法变成一个向量化的方法(会遍历每一个值(分量),进而多次调用这个方法)
np.vectorize 两种用法
import numpy as np
def avg_test2(x,y):
if x==20:
return np.NaN
else:
return (x+y)/2
avg_vec = np.vectorize(avg_test2)
avg_test3(df['a'],df['b'])
还有一种通过装饰器来调用的方式
@np.vectorize
def avg_test3(x,y):
if x==20:
return np.NaN
else:
return (x+y)/2
avg_test3(df['a'],df['b'])
这两种方法的效果都是一样的,接下来本文以第一种方法为例(另一种可以视为语法糖写法,简化版)来看看它的具体调用实现吧:
import pandas as pd
df = pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})
import numpy as np
def avg_test2(x,y):
if x==20:
return np.NaN
else:
return (x+y)/2
avg_vec = np.vectorize(avg_test2)
avg_test3(df['a'],df['b'])
运行结果如下:
可以正常计算了,在这个代码中插入一行 **print(‘运行了几次’) **来查看函数调用情况:
import pandas as pd
df = pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})
import numpy as np
def avg_test2(x,y):
print('运行了几次') # 新插入的代码
if x==20:
return np.NaN
else:
return (x+y)/2
avg_vec = np.vectorize(avg_test2)
avg_test3(df['a'],df['b'])
运行结果为:
从运行结果可以看到,函数经过vectorize化后,将a和b里的0号元素打包成了一个元组,分别赋予了x和y拆包,调用了一次函数。以此类推,1号和2号元素,共调用了3次。
但函数一共调用了4次,而Series(a序列或b序列)的长度只有3呀,为什么会这样呢?原因是函数经过vectorize化后,传入a序列对象和b序列对象的同时也调用了一次函数,使得**print(‘运行了几次’) **多执行了一次。说以出现了传入a序列对象和b序列对象调用一次,计算主体部分共调用3次,共4次的调用结果。
希望可以帮到大家,不要忘记点赞三连呀!
(‘运行了几次’) **多执行了一次。说以出现了传入a序列对象和b序列对象调用一次,计算主体部分共调用3次,共4次的调用结果。
希望可以帮到大家,不要忘记点赞三连呀!