Estoy tratando de modificar un DataFrame dfpara que solo contenga filas para las cuales los valores en la columna closing_priceestán entre 99 y 101 e intento hacer esto con el código a continuación.
Sin embargo, me sale el error
ValueError: el valor de verdad de una serie es ambiguo. Utilice a.empty, a.bool (), a.item (), a.any () o a.all ()
y me pregunto si hay una manera de hacer esto sin usar bucles.
df = df[(99 <= df['closing_price'] <= 101)]df.queryy pd.evalparecen buenos ajustes para este caso de uso. Para obtener información sobre la pd.eval()familia de funciones, sus características y casos de uso, visite Evaluación de expresión dinámica en pandas usando pd.eval () .
Respuestas:
Debe usar ()para agrupar su vector booleano para eliminar la ambigüedad.
df = df[(df['closing_price'] >= 99) & (df['closing_price'] <= 101)]Considere también series entre :
df = df[df['closing_price'].between(99, 101)]inclusive=Truese usa de forma predeterminada en between, por lo que puede consultar de esta maneradf = df[df['closing_price'].between(99, 101)]
between.
df = df[~df['closing_price'].between(99, 101)]
hay una alternativa mejor: use el método query () :
In [58]: df = pd.DataFrame({'closing_price': np.random.randint(95, 105, 10)})
In [59]: df
Out[59]:
closing_price
0 104
1 99
2 98
3 95
4 103
5 101
6 101
7 99
8 95
9 96
In [60]: df.query('99 <= closing_price <= 101')
Out[60]:
closing_price
1 99
5 101
6 101
7 99ACTUALIZACIÓN: respondiendo al comentario:
Me gusta la sintaxis aquí, pero fracasé al intentar combinarla con la expresión;
df.query('(mean + 2 *sd) <= closing_price <=(mean + 2 *sd)')
In [161]: qry = "(closing_price.mean() - 2*closing_price.std())" +\
...: " <= closing_price <= " + \
...: "(closing_price.mean() + 2*closing_price.std())"
...:
In [162]: df.query(qry)
Out[162]:
closing_price
0 97
1 101
2 97
3 95
4 100
5 99
6 100
7 101
8 99
9 95meany sd? ¿Son esos nombres de columna?
newdf = df.query('closing_price.mean() <= closing_price <= closing_price.std()')o
mean = closing_price.mean()
std = closing_price.std()
newdf = df.query('@mean <= closing_price <= @std')Si está tratando con múltiples valores y múltiples entradas, también puede configurar una función de aplicación como esta. En este caso, filtrar un marco de datos para ubicaciones de GPS que se encuentran dentro de ciertos rangos.
def filter_values(lat,lon):
if abs(lat - 33.77) < .01 and abs(lon - -118.16) < .01:
return True
elif abs(lat - 37.79) < .01 and abs(lon - -122.39) < .01:
return True
else:
return False
df = df[df.apply(lambda x: filter_values(x['lat'],x['lon']),axis=1)]En lugar de esto
df = df[(99 <= df['closing_price'] <= 101)]Deberías usar esto
df = df[(df['closing_price']>=99 ) & (df['closing_price']<=101)]Tenemos que usar los operadores lógicos bit a bit de NumPy |, &, ~, ^ para las consultas compuestas. Además, los paréntesis son importantes para la precedencia de los operadores.
Para obtener más información, puede visitar el enlace: Comparaciones, máscaras y lógica booleana