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

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！