pandas 数据帧上任何(df == 值)的不一致行为
Inconsistent behavior of any(df == value) on pandas dataframe
我有两个数据帧df1
,df2
如下
>>> df1 = pd.DataFrame([[1,2],[3,4],[5,6],[7,8]])
>>> df2 = pd.DataFrame([1,2,3,4,5,6,7,8])
>>> df1
0 1
0 1 2
1 3 4
2 5 6
3 7 8
>>> df2
0
0 1
1 2
2 3
3 4
4 5
5 6
6 7
7 8
当尝试检查 1
是否在 df1
中时,它会按预期产生 True。
>>> any(df1 == 1)
True
然而,当在 df2
上尝试同样的操作时,我意外地得到 False
>>> any(df2 == 1)
False
尽管从布尔值的角度来看一切似乎都是正确的。
>>> df1 == 1
0 1
0 True False
1 False False
2 False False
3 False False
>>> df2 == 1
0
0 True
1 False
2 False
3 False
4 False
5 False
6 False
7 False
>>>
关于这是为什么的任何想法?
PS: 我不是在询问 pandas 中的任何内置函数。我只是对任何人的行为感到困惑。
您需要使用 any
中内置的 pandas 而不是基础 Python:
中的 any
df1.eq(1).any().any()
# True
df2.eq(1).any().any()
# True
当使用 python 中的 any
时,它将数据框视为 iterable/dictionary,因此只检查列名,而不查看数据框的值;如果你简单地遍历 df1
和 df2
,你只能看到它的 returns 列名,这就是字典的行为方式;由于 df1
包含 0
和 1
的列名,因此 any([0,1])
将 return True
;另一方面,df2
仅包含 [0]
、any([0])
return 和 False
的一列。所以 any(df == 1)
有点等同于 any(df)
或 any(df.columns)
:
[x for x in df1]
# [0, 1]
[x for x in df2]
# [0]
您需要改用(df2 == 1).any()
在pandas中最好使用DataFrame.any
。
Numpy 解决方案:
print ((df1 == 1).values.any())
True
print ((df2 == 1).values.any())
True
我有两个数据帧df1
,df2
如下
>>> df1 = pd.DataFrame([[1,2],[3,4],[5,6],[7,8]])
>>> df2 = pd.DataFrame([1,2,3,4,5,6,7,8])
>>> df1
0 1
0 1 2
1 3 4
2 5 6
3 7 8
>>> df2
0
0 1
1 2
2 3
3 4
4 5
5 6
6 7
7 8
当尝试检查 1
是否在 df1
中时,它会按预期产生 True。
>>> any(df1 == 1)
True
然而,当在 df2
上尝试同样的操作时,我意外地得到 False
>>> any(df2 == 1)
False
尽管从布尔值的角度来看一切似乎都是正确的。
>>> df1 == 1
0 1
0 True False
1 False False
2 False False
3 False False
>>> df2 == 1
0
0 True
1 False
2 False
3 False
4 False
5 False
6 False
7 False
>>>
关于这是为什么的任何想法?
PS: 我不是在询问 pandas 中的任何内置函数。我只是对任何人的行为感到困惑。
您需要使用 any
中内置的 pandas 而不是基础 Python:
any
df1.eq(1).any().any()
# True
df2.eq(1).any().any()
# True
当使用 python 中的 any
时,它将数据框视为 iterable/dictionary,因此只检查列名,而不查看数据框的值;如果你简单地遍历 df1
和 df2
,你只能看到它的 returns 列名,这就是字典的行为方式;由于 df1
包含 0
和 1
的列名,因此 any([0,1])
将 return True
;另一方面,df2
仅包含 [0]
、any([0])
return 和 False
的一列。所以 any(df == 1)
有点等同于 any(df)
或 any(df.columns)
:
[x for x in df1]
# [0, 1]
[x for x in df2]
# [0]
您需要改用(df2 == 1).any()
在pandas中最好使用DataFrame.any
。
Numpy 解决方案:
print ((df1 == 1).values.any())
True
print ((df2 == 1).values.any())
True