Оценка значений серии pandas с логическими выражениями и операторами if

То, что вы получаете, является объектом серии Pandas, и его нельзя оценить так, как вы пытаетесь, даже если это всего лишь одно значение, на которое вам нужно изменить свою строку:

if pnl[company].tail(1)['Active'].any()==1:
  print 'yay'

Что касается вашего второго вопроса, см. мой комментарий.

ИЗМЕНИТЬ

Из комментариев и ссылки на ваш вывод вызов any() исправил сообщение об ошибке, но ваши данные на самом деле являются строками, поэтому сравнение все еще не удалось, вы можете сделать либо:

if pnl[company].tail(1)['Active'].any()=='1':
  print 'yay'

Чтобы выполнить сравнение строк или исправить данные, независимо от того, были ли они прочитаны или сгенерированы.

Или сделайте следующее:

pnl['Company']['Active'] = pnl['Company']['Active'].astype(int)

Чтобы преобразовать dtype столбца, чтобы ваше сравнение было более правильным.

Серия является подклассом NDFrame. Метод NDFrame.__bool__ всегда вызывает ошибку ValueError. Таким образом, попытка оценить ряд в логическом контексте вызывает ValueError, даже если ряд имеет только одно значение.

Причина, по которой NDFrame не имеет логического значения (ошибка, то есть всегда вызывает ValueError), заключается в том, что существует более одного возможного критерия, который можно обоснованно ожидать, что NDFrame будет иметь значение True. Это может означать

1. каждый элемент в NDFrame имеет значение True или (если это так, используйте .all())
2. любой элемент в NDFrame имеет значение True или (если это так, используйте Series.any())
3. NDFrame не пуст (если это так, используйте .empty())

Поскольку возможно и то, и другое, и поскольку у разных пользователей разные ожидания, вместо того, чтобы просто выбрать одно, разработчики отказываются угадывать и вместо этого требуют от пользователя NDFrame явно указать, какой критерий он хочет использовать.

В сообщении об ошибке перечислены наиболее вероятные варианты:

Используйте a.empty, a.bool(), a.item(), a.any() или a.all()

Поскольку в вашем случае вы знаете, что серия будет содержать только одно значение, вы можете использовать item:

if pnl[company].tail(1)['Active'].item() == 1:
    print 'yay'

Что касается вашего второго вопроса: цифры слева, похоже, являются нумерацией строк, созданной вашим интерпретатором Python (PyShell?) - но это только мое предположение.

ВНИМАНИЕ: предположительно,

if pnl[company].tail(1)['Active']==1:

означает, что вы хотите, чтобы условие было истинным, когда единственное значение в ряду равно 1. Код

if pnl[company].tail(1)['Active'].any()==1:
    print 'yay'

будет True, если dtype серии является числовым и значением в серии является любое число, отличное от 0. Например, если мы принимаем pnl[company].tail(1)['Active'] равным

In [128]: s = pd.Series([2], index=[2])

потом

In [129]: s.any()
Out[129]: True

и поэтому,

In [130]: s.any()==1
Out[130]: True

Я думаю, что s.item() == 1 более точно сохраняет предполагаемое значение:

In [132]: s.item()==1
Out[132]: False

(s == 1).any() также будет работать, но использование any не очень ясно выражает ваше намерение, поскольку вы знаете, что ряд будет содержать только одно значение.

Ваш вопрос не имеет ничего общего со словарями Python или родным Python вообще. Речь идет о серии панд, и другие ответы дали вам правильный синтаксис:

Интерпретируя ваши вопросы в более широком смысле, речь идет о том, как pandas Series был втиснут в NumPy, и Исторически NumPy до недавнего времени имел печально известную плохую поддержку логических значений и операторов. pandas делает все возможное с тем, что предоставляет NumPy. Необходимость иногда вручную вызывать логические функции numpy вместо того, чтобы просто писать код с произвольными (Python) операторами, раздражает и неуклюжа, а иногда и раздувает код pandas. Кроме того, вам часто приходится это делать для повышения производительности (лучше, чем переключение на собственный Python и обратно). Но это цена, которую мы платим.

Есть много ограничений, причуд и ошибок (примеры ниже) - лучший совет - не доверять логическому значению как гражданину первого класса в пандах из-за ограничений numpy:

• Pandas Предостережения и ошибки — использование Заявления If/Truth с пандами

• пример производительности: Python ~ можно использовать вместо np.invert() - более разборчиво, но в 3 раза медленнее или хуже

• некоторые ошибки и ограничения: в приведенном ниже коде обратите внимание, что недавний numpy теперь допускает логические значения (внутренне представленные как int) и разрешает NA, но это, например. value_counts() игнорирует NA (сравните с таблицей R, в которой есть опция 'useNA').

.

import numpy as np
import pandas as pd
s = pd.Series([True, True, False, True, np.NaN])
s2  = pd.Series([True, True, False, True, np.NaN])
dir(s) # look at .all, .any, .bool, .eq, .equals, .invert, .isnull, .value_counts() ...

s.astype(bool) # WRONG: should use the member s.bool ; no parentheses, it's a member, not a function
# 0     True
# 1     True
# 2    False
# 3     True
# 4     True  # <--- should be NA!!
#dtype: bool

s.bool
# <bound method Series.bool of
# 0     True
# 1     True
# 2    False
# 3     True
# 4      NaN
# dtype: object>

# Limitation: value_counts() currently excludes NAs
s.value_counts()
# True     3
# False    1
# dtype: int64
help(s.value_counts) # "... Excludes NA values(!)"

# Equality comparison - vector - fails on NAs, again there's no NA-handling option):
s == s2 # or equivalently, s.eq(s2)
# 0     True
# 1     True
# 2     True
# 3     True
# 4    False  # BUG/LIMITATION: we should be able to choose NA==NA
# dtype: bool

# ...but the scalar equality comparison says they are equal!!
s.equals(s2)
# True