大佬教程收集整理的这篇文章主要介绍了Apply 和 Lambda 函数 - ValueError:系列的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all() 修复更好,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
我正在尝试使用 Apply 和 Lambda 函数创建一个新列,如果“性别”为“女性”,则将“ID”值除以 219,如果“性别”为“男性”,则将其除以 393。首先,我尝试使用“性别”列,该列具有不起作用的分类变量。所以我创建了一个基于“性别”的二进制列,将 0 分配给“女性 1 到“男性”并使用该列,但没有用。
我仍然收到这样的值错误:
ValueError:系列的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。
我的代码是
by_label_out_degree[normID] = by_label_out_degree.apply(lambda row: row['ID']/ 219 if row['gender2'] == 0 else row['ID']/ 393,axis=1)
我又要添加我的代码了!谢谢你的帮助!!
values = [
[42785,428855,'Energy','Female'],[43432,428686,'Trust','Male'],'Career','Personal',428634,'Female']
]
df: pd.DataFrame = pd.DataFrame(values,columns =['ID','Target','Label','gender'])
new_df = df.groupby(['gender','Label']).ID.count().reset_index()
new_df['gender2'] = new_df.gender.map({'Female':0,'Male':1})
new_df['normID'] = new_df.apply(lambda row: row['ID']/219 if row['gender2'] == 0 else row['ID']/393,axis = 1)
列 gender
的使用效果很好
values = [
['Female','Access',96],['Female','Career',165],['Male',236],'Energy',445]
]
df: pd.DataFrame = pd.DataFrame(values,columns=['gender','Label','ID'])
df['newcol'] = df.apply(lambda row: row['ID'] / 219 if row['gender'] == 'Female' else row['ID'] / 393,axis=1)
print(df)
gender Label ID newcol
0 Female Access 96 0.438356
1 Female Career 165 0.753425
2 Male Access 236 0.600509
3 Male Energy 445 1.132316
使用numpy.where
import numpy as np
import pandas as pd
values = [['Female',445]]
df: pd.DataFrame = pd.DataFrame(values,'ID'])
df['newcol'] = np.where(df['gender'] == 'Female',df['ID'] / 219,df['ID'] / 393)
print(df)
以上是大佬教程为你收集整理的Apply 和 Lambda 函数 - ValueError:系列的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all() 修复更好全部内容,希望文章能够帮你解决Apply 和 Lambda 函数 - ValueError:系列的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all() 修复更好所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。