2

我收到此错误：The truth value of a Series is ambiguous在我的 lambda 函数中。我知道这是围绕此错误的非常全面的解释，但我认为这与我的问题无关： 系列的真值是模棱两可的。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()

基本上我试图通过 lambda 确定OpenBal在同一个 AccountID 中从一个月到下一个月是否相同，如果相同，则给我一个“1”（例如，对于下面的 OpenBal=101）。显然，第一条记录应该给我一个 NaN。（PS 感谢@jdehesa 在我的另一篇文章中的回答）。

这说明了我的问题：

import pandas as pd
df = pd.DataFrame({'AccountID': [1,1,1,1,2,2,2,2,2],
                   'RefMonth':    [1,2,3,4,1,2,3,4,5],
                   'OpenBal':    [100,101,101,103,200,201,202,203,204]})
SameBal = df.groupby('AccountID').apply(lambda g: 1 if g['OpenBal'].diff() == 0 else 0)
df['SameBal'] = SameBal.sortlevel(1).values
4

2 回答 2

1

1 if g['OpenBal'].diff() == 0不管用。这不是pd.Series()对象可以操作的方式

您需要创建一个合适的方法：

def convert(a):
    return np.array([1 if i==0 else np.nan if pd.isnull(i) else 0 for i in a])

这将解决您的The truth value of a Series is ambiguous错误

SameBal = df.groupby('AccountID').apply(lambda g: pd.Series(data=convert(g['OpenBal'].diff().values), index=g['RefMonth']))
SameBal.name = 'SameBal'

SameBal 
Out[]:
AccountID  RefMonth
1          1           NaN
           2           0.0
           3           1.0
           4           0.0
2          1           NaN
           2           0.0
           3           0.0
           4           0.0
           5           0.0

df.merge(SameBal.reset_index())
Out[]:
   AccountID  OpenBal  RefMonth  SameBal
0          1      100         1      NaN
1          1      101         2      0.0
2          1      101         3      1.0
3          1      103         4      0.0
4          2      200         1      NaN
5          2      201         2      0.0
6          2      202         3      0.0
7          2      203         4      0.0
8          2      204         5      0.0
于 2018-06-20T07:01:17.020 回答
1

您的错误正确表明您无法检查系列的真实性。但此任务不需要自定义匿名函数。

将groupby+transform与 一起使用pd.Series.diff：

import pandas as pd

df = pd.DataFrame({'AccountID': [1,1,1,1,2,2,2,2,2],
                   'RefMonth':    [1,2,3,4,1,2,3,4,5],
                   'OpenBal':    [100,101,101,103,200,201,202,203,204]})

df['A'] = (df.groupby('AccountID')['OpenBal'].transform(pd.Series.diff)==0).astype(int)

print(df)

   AccountID  OpenBal  RefMonth   A
0          1      100         1   0
1          1      101         2   0
2          1      101         3   1
3          1      103         4   0
4          2      200         1   0
5          2      201         2   0
6          2      202         3   0
7          2      203         4   0
8          2      204         5   0

如果您需要NaN每组的第一行：

g = df.groupby('AccountID')['OpenBal'].transform(pd.Series.diff)
df['A'] = (g == 0).astype(int)
df.loc[g.isnull(), 'A'] = np.nan

print(df)

   AccountID  OpenBal  RefMonth    A
0          1      100         1  NaN
1          1      101         2  0.0
2          1      101         3  1.0
3          1      103         4  0.0
4          2      200         1  NaN
5          2      201         2  0.0
6          2      202         3  0.0
7          2      203         4  0.0
8          2      204         5  0.0
于 2018-06-20T08:32:52.113 回答