Python 为多个数据帧和列应用函数

您好，我正在使用两个数据帧，需要应用一个自定义函数，但我遇到以下错误：

ValueError:（“序列的真值不明确。请使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。，“发生在索引0处”）

。我知道为什么会这样，但不知道如何解决这个问题

第一个数据框包含当前年度所有可用天数的列表：

print(df_workable)
          Date  workable_day  inv_workable_day  day  month
1   2019-01-02           1.0              22.0    2      1
2   2019-01-03           2.0              21.0    3      1
3   2019-01-04           3.0              20.0    4      1
6   2019-01-07           4.0              19.0    7      1
7   2019-01-08           5.0              18.0    8      1
..         ...           ...               ...  ...    ...
364 2019-12-31          20.0               1.0   31     12

第二个数据框包含有关某些日值和标志的数据

print(df)
       day_a1     wday_a1     iwday_a1       flag
0        24.0         4.0          6.0        2.1
1         NaN         NaN          NaN        NaN
3        31.0        22.0          1.0        2.2
4        27.0        18.0          5.0  3.3.2.1.3
26816    25.0        19.0          5.0          1
26817    31.0         NaN          NaN        3.2

我正在尝试应用一个函数，该函数将根据多种条件从任一数据帧返回日期（但为了简单起见，我只使用“this”和“that”）。这就是功能：

def rec_date(row):
    if row['flag'] == '2.1':
        if df_workable[df_workable['workable_day'] == int(row['wday_a1']) & df_workable['month'] == 1]['day'] <= dt.datetime.today().day:
            val = "this"
        else:
            val = "that"
    else:
        val = "Still missing"
    return val

（我正在传递

4

硬编码，因为它将是从df['wday_a1']传递的第一个值）。它的输出应该是

7

。与

dt.datetime.today（）.day

相比，该值为10，将返回true。我已经分别测试了这两个函数，它们确实返回了预期的输出。然而，当

在数据帧上应用这些函数时，问题就出现了，因为（我相信）上面解释的原因。
通过函数后，我希望得到以下结果：

df['rec_date'] = df.apply(rec_date,axis=1)
           day_a1     wday_a1     iwday_a1       flag         rec_date
    0        24.0         4.0          6.0        2.1             this
    1         NaN         NaN          NaN        NaN    Still missing
    3        31.0        22.0          1.0        2.2    Still missing
    4        27.0        18.0          5.0  3.3.2.1.3    Still missing
    26816    25.0        19.0          5.0          1    Still missing
    26817    31.0         NaN          NaN        3.2    Still missing

您的代码有两个小问题：

您希望将两个条件与
&
组合在一起，但应将每个条件都用括号括起来，以便清楚地将它们分开：
（x==…）&（y=…）
该检查的结果具有一系列形式（其中只有一个观察值）。Python不确定如何将这一系列布尔值转换为一个布尔值，因为如果该系列有多个值，它不知道如何对它们进行聚合（如果所有值都为真，那么该系列应该只生成一个真值，或者如果至少有一个值为真，那么就足够了，…）。因此，您应该通过在支票中添加
series.all（）
或
series.any（）
来澄清这一点
那么，让我们把这句话分解一下：

df_可工作[df_可工作['可工作天]==4和df_可工作['月]==1]['天]

df_可操作
：完整的数据帧
df\u-workable[df\u-workable['workable\u-day']==int（行['wday\u-a1']）和df\u-workable['month']==1]
：您正在根据
workable\u-day
和
month
的特定值筛选数据帧。这将返回一个新的数据帧，其中包含整个数据帧的过滤结果
df_-awailable[df_-awailable['awailable\u-day']==int（行['wday\u-a1']）和df_-awailable['month']==1]['day']
：这将获取步骤2中返回的数据帧并访问其
['day']
列。这将返回一个对象，其中包含数据帧的
day
列的所有值
这意味着，当你做
df_可工作的[df_可工作的['wday_a1']==int（第['wday_a1']行）和df_可工作的['month']==1]['day']好吧，我明白你的意思。第一部分，返回一个具有单个值（因为每年只有一天/月组合）的序列，与单个值（即今天）相比，这确实提出了问题。此外，根据我的理解和给定的这个特殊情况（该系列只有1个值），使用
。any（）
和
。all（）
将具有相同的效果，对吗？谢谢你的回答。你的陈述部分是正确的。提出问题的不是将序列与单个值进行比较。这部分会起作用，它只会返回一系列布尔值。问题是，当运行
if-Series:
时，它将失败，因为if语句需要一个布尔值。默认情况下，即使长度为1，pd.系列布尔值也不会转换为单个布尔值，因此您必须明确地告诉Python如何断言该系列是否为真。很高兴我能帮忙：）祝你好运！
df['rec_date'] = df.apply(rec_date,axis=1)
           day_a1     wday_a1     iwday_a1       flag         rec_date
    0        24.0         4.0          6.0        2.1             this
    1         NaN         NaN          NaN        NaN    Still missing
    3        31.0        22.0          1.0        2.2    Still missing
    4        27.0        18.0          5.0  3.3.2.1.3    Still missing
    26816    25.0        19.0          5.0          1    Still missing
    26817    31.0         NaN          NaN        3.2    Still missing

def rec_date(row):
    if row['flag'] == '2.1':
        if (df_workable[(df_workable['workable_day'] == int(row['wday_a1'])) & (df_workable['month'] == 1)]['day'] <= dt.datetime.today().day).all():
            val = "this"
        else:
            val = "that"
    else:
        val = "Still missing"
    return val

       day_a1  wday_a1  iwday_a1       flag       rec_date
0        24.0      4.0       6.0        2.1           this
1         NaN      NaN       NaN        NaN  Still missing
3        31.0     22.0       1.0        2.2  Still missing
4        27.0     18.0       5.0  3.3.2.1.3  Still missing
26816    25.0     19.0       5.0          1  Still missing
26817    31.0      NaN       NaN        3.2  Still missing