Python 数据帧的真值不明确

我试图在最后一个elif块中获得与品牌和制造商相关的相同值（例如品牌==J.R.Watkins和制造商==J.R.Watkins）。但它给出的错误如下：

ValueError：数据帧的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。 我的代码是：

import csv
import pandas as pd
import sys
class sample:
        def create_df(self, f):
                self.z=pd.read_csv(f)

        def get_resultant_df(self, list_cols):
                self.data_frame = self.z[list_cols[:]]

        def process_df(self, df, conditions):
                resultant_df = self.data_frame

                if conditions[2] == 'equals':
                        new_df=resultant_df[resultant_df[conditions[1]] == conditions[3]]
                        return new_df
                elif conditions[2] == 'contains':
                        new_df = resultant_df[resultant_df[conditions[1]].str.contains(conditions[3])]
                        return new_df
                elif conditions[2] == 'not equals':
                        new_df = resultant_df[resultant_df[conditions[1]] != conditions[3]]
                        return new_df
                elif conditions[2] == 'startswith':
                        new_df = resultant_df[resultant_df[conditions[1]].str.startswith(conditions[3])]
                        return new_df
                elif conditions[2] == 'in':
                        new_df = resultant_df[resultant_df[conditions[1]].isin(resultant_df[conditions[3]])]
                        return new_df
                elif conditions[2] == 'not in':
                        new_df = resultant_df[~resultant_df[conditions[1]].isin(resultant_df[conditions[3]])]
                        return new_df
                elif conditions[2]=='group':
                        new_df=list(resultant_df.groupby(conditions[0])[conditions[1]])
                        return new_df
                elif conditions[2]=='specific':
                        new_df=resultant_df.loc[resultant_df[conditions[0]]==conditions[8]]
                        return new_df
                elif conditions[2]=='same':
                        if(resultant_df.loc[(resultant_df[conditions[0]]==conditions[8]) & (resultant_df[conditions[1]]==conditions[8])]).all():
                                new_df=resultant_df
                                return new_df
if __name__ == '__main__':
        sample = sample()
        sample.create_df("/home/purpletalk/GrammarandProductReviews.csv")
        df = sample.get_resultant_df(['brand', 'reviews.id','manufacturer','reviews.title','reviews.username'])
        new_df = sample.process_df(df, ['brand','manufacturer','same','manufacturer', 'size', 'equal',8,700,'J.R. Watkins'])
        print new_df['brand']

我试图获得与品牌和品牌相关的价值观 相同的制造商（例如品牌==J.R.Watkins和 制造商==J.R.Watkins）

你的逻辑太复杂了。只需应用一个过滤器：

df = df[(df['brand'] == 'J.R. Watkins') & (df['manufacturer'] == 'J.R.Watkins')]

您不需要

pd.DataFrame.all（）

，这似乎就是您正在尝试的。您也不需要内部的

if

语句：如果没有匹配项，您将有一个空的数据帧

我试图获得与品牌和品牌相关的价值观 相同的制造商（例如品牌==J.R.Watkins和 制造商==J.R.Watkins）

你的逻辑太复杂了。只需应用一个过滤器：

df = df[(df['brand'] == 'J.R. Watkins') & (df['manufacturer'] == 'J.R.Watkins')]

您不需要

pd.DataFrame.all（）

，这似乎就是您正在尝试的。您也不需要内部的

if

语句：如果没有匹配项，您将有一个空的数据帧