理解pandas（python）中的行迭代

我有一个数据框（在本例中）有2行，数据框看起来有点像这样：

PERON   START   END
AB     100      120
CC     110      115

（我想要的，但这不是我的问题，是如果“开始”-“结束”等于20，则为每一行创建一个带有标志）的新列（我在其他用例中也有类似的问题）

（我试过了

我还尝试：

 for i in df.iterrows():
    print i[0]
    if abs(df.START-df.END)==20:
        print 'Legit to make be a flag'

问题：每次我收到消息“序列的真值不明确。请使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

我知道，如果不遍历每一行，python就不知道将“if语句”与哪个值进行比较，因此，如果至少有一行满足if语句的条件，则需要使用.any（）来给出一个标志。 a、 all（）如果所有行都应与行条件匹配

现在，我的问题是： 为什么python不在行的基础上检查if语句（当然是在for循环中），并让它给出“序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）”-错误

问题的其他表述：为什么“for i in df.iterrows（）：”中的python仍然在整个数据帧级别上执行if语句，而不是逐行执行

因为在下面的代码中，它打印出for循环位于行“0”中，所以我假设python将在行“0”上执行if语句。但是它不会检查此行的if语句，因为它给了我“不明确的thruth值错误”

我已经看过了“在熊猫身上使用if-truth语句”——文档和其他一些stackoverflow问题，但我不知道哪里出了错（很可能是因为我仍处于python noob阶段）。

怎么样：

df.loc[:,'Flag'] = abs(df.START-df.END)==20

---

这取决于熊猫如何尽可能地将操作矢量化

abs(df.START-df.END) ==20

本身返回一个序列。此序列是您要查找的列：

>>> df = pd.DataFrame([[100,120],[110,115]],index=['AB','CC'],columns=['START','END'])
... df
... abs(df.START-df.END)==20
13: AB     True
CC    False
dtype: bool

注意：

>>> df['New'] = abs(df.START-df.END)==20
>>> df
15:     START  END    New
AB    100  120   True
CC    110  115  False

熊猫是为这种操作而设计的

你不应该灰心丧气，因为你的两次尝试都非常接近：

df['New']= df.apply(lambda x: 1 if abs(df.START-df.END)==20 else 0)

因为abs（df.START df.END）==20返回一个序列。对于每一行，lambda询问序列是否为真，因此出错

如果相反，您有：

df['New']= df.apply(lambda x: 1 if abs(x.START-x.END)==20 else 0, axis =1)

---

这将产生所需的结果，因为abs（x.START-x.END）==20返回一个布尔值，而不是一个序列。

如果df.START-df.END等于20，是否需要一个带有布尔值（True或False）的新列？这是问题吗？问题主要是为什么在“df.START行后接if语句”中为什么if语句仍然在整个数据帧级别上执行，因为这就是您所写的。（如果abs（df.START df.END）==20:）中没有i，谢谢，就是这样（我问题的答案）。我必须做“如果abs（df.ix[i[0]，'START'-df.ix[i[0]，'END'））。我显然倾向于不在if语句中使用“I”！现在我会（尝试）记住每次都不要忘记“I”…谢谢这是我想要的国旗，但我的问题更多的是关于df.iterrows（）以及为什么它不在行的基础上执行if语句。很抱歉我的问题表述得不好…但再次感谢…>>>为什么python在df.iterrows（）中的“for i”中：“仍然在整个数据帧级别上执行if语句，而不是逐行执行。因为if语句中有df，而不是i！只要有可能，就利用pandas的矢量化。很少需要使用.apply（）或.iterrows（）谢谢，非常清楚的回答和系列返回的解释。它帮助我理解了这类操作的基本工作原理（我想知道…）

df['New']= df.apply(lambda x: 1 if abs(df.START-df.END)==20 else 0)

df['New']= df.apply(lambda x: 1 if abs(x.START-x.END)==20 else 0, axis =1)