在Pandas中使用NumPy where调用max()时触发歧义真值错误

错误原因 #

Python内置的max()函数仅支持标量值之间的比较，而df["col 1"]-df["col 2"]返回的是Pandas Series（一组向量值）。直接将Series与标量0传入max()时，函数无法判断整个Series的布尔值，因此抛出the truth value of a series is ambiguous. Use a.empty(), a.bool(), a.item(), a.any() or a.all().错误。

解决方案 #

方案1：使用NumPy的np.maximum()（推荐） #

np.maximum()支持向量化操作，可直接对Series和标量进行逐元素比较，返回对应位置的较大值：

import numpy as np
import pandas as pd

def function(df):
    df["new col"] = np.where(df["col 1"] > 10, np.maximum(df["col 1"] - df["col 2"], 0), 0)
    return df

方案2：使用Pandas的clip()方法 #

clip(lower=0)可以将Series中小于0的值替换为0，同样实现避免负值的效果：

import pandas as pd
import numpy as np

def function(df):
    diff = df["col 1"] - df["col 2"]
    df["new col"] = np.where(df["col 1"] > 10, diff.clip(lower=0), 0)
    return df

方案3：嵌套np.where #

通过两层np.where实现与max类似的逻辑，先判断差值是否大于0，再返回对应结果：

import numpy as np
import pandas as pd

def function(df):
    diff = df["col 1"] - df["col 2"]
    df["new col"] = np.where(df["col 1"] > 10, np.where(diff > 0, diff, 0), 0)
    return df

内容的提问来源于stack exchange，提问作者jess