我的DataFrame混合使用float和boolean：
df = pd.DataFrame.from_csv("C:\....")
df['isActive'] = (df.turns >= 250) & (df.alivePct > 0) & (df.changePct > 0)
我想创建一个新列，如果isActive == false，则该值= 0，否则该值等于一些计算出的量，如下所示：
df['interestingness'] = (df.changePct * df.alivePct) if df.isActive else 0
但是，由于df.isActive是一个Series，因此出现此错误：
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
似乎三元if / else运算符不能用于向量化操作中。
手动迭代又如何做呢？
（注意：df.isActive是一个简单的技巧，它将df.isActive的值设置为0，即False ==0。但是，我想知道一个更通用的解决方案。）
您可以使用np.where：
import numpy as np
df['interestingness'] = np.where(df.isActive, df.changePct * df.alivePct, 0)
对于一维数组，np.where(condition, A, B)是矢量化的等效于
np.array([a if c else b for a,b,c in zip(condition, A, B)])
熊猫还提供了一个Series.where方法，您可以使用：
df['interestingness'] = (df.changePct * df.alivePct).where(df.isActive, 0)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句