DataFrame真值判断歧义报错：将数值列负数转为0时遇问题求助

问题场景 #

提取DataFrame中的数值列后，尝试将其中负数转为0时触发如下报错：

/Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages/pandas/core/generic.py in __nonzero__(self)
   1535     @final
   1536     def __nonzero__(self):
-> 1537         raise ValueError(
   1538             f"The truth value of a {type(self).__name__} is ambiguous. "
   1539             "Use a.empty, a.bool(), a.item(), a.any() or a.all()."

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

原错误代码：

#cleaning negative minimum to equal only 0s
df2 = df._get_numeric_data()
if df2 < 0:
    then = 0

报错原因 #

直接用if df2 < 0会生成一个布尔型DataFrame（每个元素对应是否小于0），而Python的if语句需要单个布尔值，pandas无法判断整个DataFrame的布尔真值，因此抛出歧义错误。

解决方案 #

以下是几种高效实现将数值列负数转为0的方法：

方法1：使用clip()（最简洁）

clip()方法可以直接将数据截断到指定范围，设置lower=0即可把所有小于0的值替换为0：

df2 = df._get_numeric_data()
df2 = df2.clip(lower=0)

方法2：使用where()

where()会保留满足条件的原值，将不满足条件的值替换为指定内容：

df2 = df._get_numeric_data()
# 保留>=0的值，其余替换为0
df2 = df2.where(df2 >= 0, 0)

方法3：使用applymap()逐元素处理

通过lambda函数对每个元素取与0的较大值：

df2 = df._get_numeric_data()
df2 = df2.applymap(lambda x: max(x, 0))

额外：直接修改原DataFrame的数值列

如果不需要生成新的df2，想直接修改原DataFrame中的数值列：

# 筛选所有数值类型的列
numeric_cols = df.select_dtypes(include=['number']).columns
# 将这些列的负数转为0
df[numeric_cols] = df[numeric_cols].clip(lower=0)

内容的提问来源于stack exchange，提问作者outofthereality