Pandas 주의사항

Pandas 주의사항 및 트랩

Pandas에서 If 사용/Truth 문장

부울 연산자 if나 when, or나 or not을 사용하여 특정 내용을 부울로 변환하려고 시도할 때, 때로는 오류가 발생합니다. 오류가 어떻게 발생했는지는 아직 명확하지 않습니다. Pandas는 ValueError 예외를 제안합니다.

　import　pandas　as　pd
　if pd.Series([False, True, False]):
　　　　print 'I am True'

출력 결과는 다음과 같습니다：

　ValueError: The truth value of a Series is ambiguous.　
　use a.empty, a.bool(), a.item(), a.any(), a.all().

이 경우, 어떻게 처리해야 할지 명확하지 않습니다. 이 오류는 None이나 그 중 하나를 사용했음을 암시합니다.

　import　pandas　as　pd
　if pd.Series([False, True, False]).any():
　　　　print("I am any")

출력 결과는 다음과 같습니다：

I am any

부울 컨텍스트에서 단일 요소 Pandas 객체를 평가하려면 .bool() 메서드를 사용하십시오-

import　pandas　as　pd
print pd.Series([True]).bool()

출력 결과는 다음과 같습니다：

True

비트 부울 값

==과 !과 같은 비트 부울 연산자는 부울 시리즈를 반환하며, 이는 거의 항상 필요합니다.

　import　pandas　as　pd
　s = pd.Series(range(5))
　print s==4

출력 결과는 다음과 같습니다：

　0 False
　1　False
　2　False
　3　False
　4　True
　dtype: bool

isin 작업

이는 전달된 값 시퀀스에 각 요소가 완전히 포함되는지 표시하는 부울 시리즈를 반환합니다.

　import　pandas　as　pd
　s = pd.Series(list('abc'))
　s = s.isin(['a', 'c', 'e'])
　print s

출력 결과는 다음과 같습니다：

　0 True
　1　False
　2　True
　dtype: bool

인덱싱 재구성 vs ix 인덱싱

많은 사용자들이 ix 인덱싱 기능을 데이터 선택의 간결한 방법으로 사용하게 됩니다:

　import　pandas　as　pd
　import　numpy　as　np
　df　=　pd.DataFrame(np.random.randn(6,　4),　columns=['one',　'two',　'three',
　,'four'],index=list('abcdef'))
　print　df
　print df.ix[['b', 'c', 'e']]

출력 결과는 다음과 같습니다：

　　　　　　　　one　　　　　　　　two　　　　　　three　　　　　　　four
a　　　-1.582025　　　1.335773　　　0.961417　　-1.272084
b　　　　1.461512　　　0.111372　　-0.072225　　　0.553058
c　　　-1.240671　　　0.762185　　　1.511936　　-0.630920
d　　　-2.380648　　-0.029981　　　0.196489　　　0.531714
e　　　　1.846746　　　0.148149　　　0.275398　　-0.244559
f　　　-1.842662　　-0.933195　　　2.303949　　　0.677641
　　　　　　　　　　one　　　　　　　　two　　　　　　three　　　　　　　four
b　　　　1.461512　　　0.111372　　-0.072225　　　0.553058
c　　　-1.240671　　　0.762185　　　1.511936　　-0.630920
e　　　　1.846746　　　0.148149　　　0.275398　　-0.244559

물론, 이 경우 reindex 메서드를 사용하는 것과 동일합니다：

　import　pandas　as　pd
　import　numpy　as　np
　df　=　pd.DataFrame(np.random.randn(6,　4),　columns=['one',　'two',　'three',
　,'four'],index=list('abcdef'))
　print　df
　print　df.reindex(['b',　'c',　'e'])

출력 결과는 다음과 같습니다：

　　　　　　　　one　　　　　　　　two　　　　　　three　　　　　　　four
a　　　　1.639081　　　1.369838　　　0.261287　　-1.662003
b　　　-0.173359　　　0.242447　　-0.494384　　　0.346882
c　　　-0.106411　　　0.623568　　　0.282401　　-0.916361
d　　　-1.078791　　-0.612607　　-0.897289　　-1.146893
e　　　　0.465215　　　1.552873　　-1.841959　　　0.329404
f　　　　0.966022　　-0.190077　　　1.324247　　　0.678064
　　　　　　　　　　one　　　　　　　　two　　　　　　three　　　　　　　four
b　　　-0.173359　　　0.242447　　-0.494384　　　0.346882
c　　　-0.106411　　　0.623568　　　0.282401　　-0.916361
e　　　　0.465215　　　1.552873　　-1.841959　　　0.329404

사람들은 ix와 reindex가 이에 기반하여100％의 동일성을 가지고 있습니다. 정수 인덱스의 경우를 제외하고는 모두 이와 같습니다. 예를 들어, 위의 작업은 다음과 같이 대체 가능합니다：

　import　pandas　as　pd
　import　numpy　as　np
　df　=　pd.DataFrame(np.random.randn(6,　4),　columns=['one',　'two',　'three',
　,'four'],index=list('abcdef'))
　print　df
　print　df.ix[[1,　2,　4])
　print　df.reindex([1,　2,　4])

출력 결과는 다음과 같습니다：

　　　　　　　　one　　　　　　　　two　　　　　　three　　　　　　　four
a　　　-1.015695　　-0.553847　　　1.106235　　-0.784460
b　　　-0.527398　　-0.518198　　-0.710546　　-0.512036
c　　　-0.842803　　-1.050374　　　0.787146　　　0.205147
d　　　-1.238016　　-0.749554　　-0.547470　　-0.029045
e　　　-0.056788　　　1.063999　　-0.767220　　　0.212476
f　　　　1.139714　　　0.036159　　　0.201912　　　0.710119
　　　　　　　　　　one　　　　　　　　two　　　　　　three　　　　　　　four
b　　　-0.527398　　-0.518198　　-0.710546　　-0.512036
c　　　-0.842803　　-1.050374　　　0.787146　　　0.205147
e　　　-0.056788　　　1.063999　　-0.767220　　　0.212476
　　　　one　　two　　three　　four
1　　　NaN　　NaN　　　　NaN　　　NaN
2　　　NaN　　NaN　　　　NaN　　　NaN
4　　　NaN　　NaN　　　　NaN　　　NaN

중요한 것은, 재인덱싱은 오직 엄격한 태그 인덱스일 뿐입니다. 인덱스가 정수와 문자와 같은 값을 포함하고 있을 때 오류가 발생할 수 있으며, 이는 예상치 못한 결과를 초래할 수 있습니다.