Tôi đang cố gắng sửa đổi DataFrame dfđể chỉ chứa các hàng có giá trị trong cột closing_pricenằm trong khoảng từ 99 đến 101 và đang cố gắng thực hiện điều này với mã bên dưới.
Tuy nhiên, tôi gặp lỗi
ValueError: Giá trị sự thật của Chuỗi không rõ ràng. Sử dụng a.empty, a.bool (), a.item (), a.any () hoặc a.all ()
và tôi đang tự hỏi nếu có cách nào để làm điều này mà không cần sử dụng vòng lặp.
df = df[(99 <= df['closing_price'] <= 101)]df.queryvà pd.evalcó vẻ như phù hợp với trường hợp sử dụng này. Để biết thông tin về nhóm pd.eval()hàm, tính năng và trường hợp sử dụng của chúng, vui lòng truy cập Đánh giá biểu thức động ở gấu trúc bằng pd.eval () .
Câu trả lời:
Bạn nên sử dụng ()để nhóm vectơ boolean của mình để loại bỏ sự mơ hồ.
df = df[(df['closing_price'] >= 99) & (df['closing_price'] <= 101)]Cũng hãy xem xét loạt bài giữa :
df = df[df['closing_price'].between(99, 101)]inclusive=Trueđược sử dụng bởi mặc định trong between, vì vậy bạn có thể truy vấn như thế nàydf = df[df['closing_price'].between(99, 101)]
between.
df = df[~df['closing_price'].between(99, 101)]
có một giải pháp thay thế đẹp hơn - sử dụng phương thức 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 99CẬP NHẬT: trả lời bình luận:
Tôi thích cú pháp ở đây nhưng đã rơi xuống khi cố gắng kết hợp với expresison;
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 95meanvà là sdgì? Đó có phải là những tên cột không?
newdf = df.query('closing_price.mean() <= closing_price <= closing_price.std()')hoặc là
mean = closing_price.mean()
std = closing_price.std()
newdf = df.query('@mean <= closing_price <= @std')Nếu bạn đang xử lý nhiều giá trị và nhiều đầu vào, bạn cũng có thể thiết lập một hàm áp dụng như thế này. Trong trường hợp này, lọc khung dữ liệu cho các vị trí GPS nằm trong phạm vi nhất định.
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)]Thay vì điều này
df = df[(99 <= df['closing_price'] <= 101)]Bạn nên sử dụng cái này
df = df[(df['closing_price']>=99 ) & (df['closing_price']<=101)]Chúng ta phải sử dụng các toán tử Logic bitwise của NumPy |, &, ~, ^ cho các truy vấn ghép. Ngoài ra, dấu ngoặc đơn cũng quan trọng đối với quyền ưu tiên của toán tử.
Để biết thêm thông tin, bạn có thể truy cập liên kết: So sánh, Mặt nạ và Boolean Logic