Python-pandas：一个系列的真值不明确

Question

我目前正在尝试将 json 文件（我已经可以处理）中的值与 csv 文件中的值（这可能是问题所在）进行比较。我当前的代码如下所示：

for data in trades['timestamp']:
    data = pd.to_datetime(data)
    print(data)
       if data == ask_minute['lastUpdated']:
           #....'do something'

这使：

":Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。"

我的当前print(data)看起来像这样：

2018-10-03 18:03:38.067000
2018-10-03 18:03:38.109000
2018-10-03 18:04:28
2018-10-03 18:04:28.685000

但是，我仍然无法将 CSV 文件中的这些时间戳与 Json 文件中的时间戳进行比较。有人有想法吗？

Answer 1

让我们将其简化为一个更简单的示例。例如，通过进行以下比较：

3 == pd.Series([3,2,4,1])

0     True
1    False
2    False
3    False
dtype: bool

你得到的结果是一个Series布尔值，大小等于pd.Series表达式右侧的 。所以这里真正发生的是整数在整个系列中广播，然后它们被比较。所以当你这样做时：

if 3 == pd.Series([3,2,4,1]):
    pass

ValueError：系列的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

你得到一个错误。这里的问题是您将 apd.Series与一个值进行比较，因此您将拥有多个True和多个False值，如上例所示。这当然是模棱两可的，因为条件不是True或False。

因此，您需要进一步聚合结果，以便操作产生单个布尔值。为此，您必须使用any或all取决于您是否需要至少一个 ( any) 或all值来满足条件。

(3 == pd.Series([3,2,4,1])).all()
# False

或者

(3 == pd.Series([3,2,4,1])).any()
# True