Python Pandas - 注意事项和陷阱


Caveats 意味着警告,gotcha 意味着看不见的问题。

对 Pandas 使用 If/Truth 语句

Pandas 遵循 numpy 约定,当您尝试将某些内容转换为bool时会引发错误。这种情况发生在if或使用布尔运算 and、ornot。目前还不清楚结果应该是什么。它应该是 True 因为它不是零长度吗?False 因为有 False 值?目前尚不清楚,因此 Pandas 会引发ValueError -

import pandas as pd

if pd.Series([False, True, False]):
   print 'I am True'

输出如下 -

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

if条件下,尚不清楚如何处理它。该错误表明是否使用None其中任何一个

import pandas as pd

if pd.Series([False, True, False]).any():
   print("I am any")

输出如下 -

I am any

要在布尔上下文中评估单元素 pandas 对象,请使用方法.bool() -

import pandas as pd

print pd.Series([True]).bool()

输出如下 -

True

按位布尔值

按位布尔运算符,例如 == 和! = 将返回一个布尔系列,这几乎总是所需要的。

import pandas as pd

s = pd.Series(range(5))
print s==4

输出如下 -

0 False
1 False
2 False
3 False
4 True
dtype: bool

正在运行

这将返回一个布尔系列,显示系列中的每个元素是否完全包含在传递的值序列中。

import pandas as pd

s = pd.Series(list('abc'))
s = s.isin(['a', 'c', 'e'])
print s

输出如下 -

0 True
1 False
2 True
dtype: bool

重新索引与 ix 陷阱

许多用户会发现自己使用ix 索引功能作为从 Pandas 对象中选择数据的简洁方法 -

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))

print df
print df.ix[['b', 'c', 'e']]

输出如下 -

          one        two      three       four
a   -1.582025   1.335773   0.961417  -1.272084
b    1.461512   0.111372  -0.072225   0.553058
c   -1.240671   0.762185   1.511936  -0.630920
d   -2.380648  -0.029981   0.196489   0.531714
e    1.846746   0.148149   0.275398  -0.244559
f   -1.842662  -0.933195   2.303949   0.677641

          one        two      three       four
b    1.461512   0.111372  -0.072225   0.553058
c   -1.240671   0.762185   1.511936  -0.630920
e    1.846746   0.148149   0.275398  -0.244559

当然,在这种情况下,这与使用reindex方法完全等效 -

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))

print df
print df.reindex(['b', 'c', 'e'])

输出如下 -

          one        two      three       four
a    1.639081   1.369838   0.261287  -1.662003
b   -0.173359   0.242447  -0.494384   0.346882
c   -0.106411   0.623568   0.282401  -0.916361
d   -1.078791  -0.612607  -0.897289  -1.146893
e    0.465215   1.552873  -1.841959   0.329404
f    0.966022  -0.190077   1.324247   0.678064

          one        two      three       four
b   -0.173359   0.242447  -0.494384   0.346882
c   -0.106411   0.623568   0.282401  -0.916361
e    0.465215   1.552873  -1.841959   0.329404

基于此,有些人可能会得出ixreindex 100% 等效的结论。除了整数索引的情况之外都是如此。例如,上述操作也可以表示为 -

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three',
'four'],index=list('abcdef'))

print df
print df.ix[[1, 2, 4]]
print df.reindex([1, 2, 4])

输出如下 -

          one        two      three       four
a   -1.015695  -0.553847   1.106235  -0.784460
b   -0.527398  -0.518198  -0.710546  -0.512036
c   -0.842803  -1.050374   0.787146   0.205147
d   -1.238016  -0.749554  -0.547470  -0.029045
e   -0.056788   1.063999  -0.767220   0.212476
f    1.139714   0.036159   0.201912   0.710119

          one        two      three       four
b   -0.527398  -0.518198  -0.710546  -0.512036
c   -0.842803  -1.050374   0.787146   0.205147
e   -0.056788   1.063999  -0.767220   0.212476

    one  two  three  four
1   NaN  NaN    NaN   NaN
2   NaN  NaN    NaN   NaN
4   NaN  NaN    NaN   NaN

重要的是要记住,重新索引只是严格的标签索引。在索引同时包含整数和字符串的病态情况下,这可能会导致一些潜在的令人惊讶的结果。