<\/p>\n
B\u0142\u0105d, kt\u00f3ry mo\u017cesz napotka\u0107 w Pythonie to:<\/span><\/p>\n Ten b\u0142\u0105d zwykle wyst\u0119puje, gdy pr\u00f3bujesz odfiltrowa\u0107 ramk\u0119 danych pandy przy u\u017cyciu s\u0142\u00f3w i<\/strong> i lub<\/strong> zamiast znak\u00f3w &<\/strong> i |<\/strong> operatorzy.<\/span><\/p>\n W tym samouczku wyja\u015bniono, jak w praktyce rozwi\u0105za\u0107 ten b\u0142\u0105d.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce tworzymy nast\u0119puj\u0105c\u0105 ramk\u0119 danych pandy:<\/span><\/p>\n Za\u0142\u00f3\u017cmy teraz, \u017ce pr\u00f3bujemy filtrowa\u0107 wiersze, w kt\u00f3rych dru\u017cyna jest r\u00f3wna \u201eA\u201d , a<\/strong> liczba punkt\u00f3w jest mniejsza ni\u017c 20:<\/span><\/p>\n Za\u0142\u00f3\u017cmy te\u017c, \u017ce pr\u00f3bujemy filtrowa\u0107 wiersze, w kt\u00f3rych dru\u017cyna ma liczb\u0119 \u201eA\u201d lub<\/b> kt\u00f3rych liczba punkt\u00f3w jest mniejsza ni\u017c 20:<\/span><\/p>\n W obu scenariuszach pojawia si\u0119 b\u0142\u0105d informuj\u0105cy nas, \u017ce warto\u015b\u0107 logiczna serii jest niejednoznaczna.<\/span><\/p>\n Aby unikn\u0105\u0107 tego b\u0142\u0119du podczas filtrowania, musimy upewni\u0107 si\u0119, \u017ce u\u017cywamy &<\/strong> i |<\/strong> elementy. operatorzy.<\/span><\/p>\n Na przyk\u0142ad mo\u017cemy u\u017cy\u0107 poni\u017cszego kodu do filtrowania wierszy, w kt\u00f3rych dru\u017cyna ma warto\u015b\u0107 \u201eA\u201d , a<\/strong> liczba punkt\u00f3w jest mniejsza ni\u017c 20:<\/span><\/p>\n Mo\u017cemy te\u017c u\u017cy\u0107 poni\u017cszego kodu do filtrowania wierszy, w kt\u00f3rych dru\u017cyna ma warto\u015b\u0107 \u201eA\u201d lub<\/b> liczba punkt\u00f3w jest mniejsza ni\u017c 20:<\/span><\/p>\n W obu scenariuszach nie pojawia si\u0119 b\u0142\u0105d, poniewa\u017c u\u017cyli\u015bmy &<\/strong> i |<\/strong> elementy. operatorzy.<\/span><\/p>\n Uwaga<\/strong> : wa\u017cne jest, aby podczas filtrowania ramki danych pandy wed\u0142ug wielu warunk\u00f3w uwzgl\u0119dni\u0107 nawiasy wok\u00f3\u0142 ka\u017cdego warunku, w przeciwnym razie pojawi si\u0119 b\u0142\u0105d.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak naprawi\u0107 inne typowe b\u0142\u0119dy w Pythonie:<\/span><\/p>\n Jak naprawi\u0107: modu\u0142 \u201epandy\u201d nie ma atrybutu \u201edataframe\u201d.<\/a> B\u0142\u0105d, kt\u00f3ry mo\u017cesz napotka\u0107 w Pythonie to: ValueError : The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). Ten b\u0142\u0105d zwykle wyst\u0119puje, gdy pr\u00f3bujesz odfiltrowa\u0107 ramk\u0119 danych pandy przy u\u017cyciu s\u0142\u00f3w i i lub zamiast znak\u00f3w & i | operatorzy. W tym samouczku wyja\u015bniono, jak w praktyce rozwi\u0105za\u0107 ten […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3194","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n ValueError<\/span> : The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(),\n a.any() or a.all().\n<\/strong><\/pre>\n Jak odtworzy\u0107 b\u0142\u0105d<\/strong><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists rebounds\n0 A 18 5 11\n1 to 22 7 8\n2 A 19 7 10\n3 A 14 9 6\n4 B 14 12 6\n5 B 11 9 5\n6 B 20 9 9\n7 B 28 4 12\n<\/strong><\/span><\/pre>\n #attempt to filter DataFrame\n<\/span>df[(df[' team<\/span> '] == ' A<\/span> ') and<\/span> (df[' points<\/span> '] < 20<\/span> )]\n\nValueError<\/span> : The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(),\n a.any() or a.all().\n<\/strong><\/span><\/pre>\n #attempt to filter DataFrame\n<\/span>df[(df['<\/span> team<\/span> '] == '<\/span> A<\/span> ')<\/span> or<\/span> (df['<\/span> points<\/span> '] <<\/span> 20<\/span> )]\n\n<\/span>ValueError<\/span> : The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(),\n a.any() or a.all().<\/span><\/strong><\/span><\/pre>\n Jak naprawi\u0107 b\u0142\u0105d<\/strong><\/h3>\n
#filter DataFrame\n<\/span>df[(df['<\/span> team<\/span> '] == '<\/span> A<\/span> ')<\/span> &<\/span> (df['<\/span> points<\/span> '] <<\/span> 20<\/span> )]\n\n<\/span>team points assists rebounds\n0 A 18 5 11\n2 A 19 7 10\n3 A 14 9 6<\/span><\/strong><\/span><\/pre>\n #filter DataFrame\n<\/span>df[(df[' team<\/span> '] == ' A<\/span> ') |<\/span> (df[' points<\/span> '] < 20<\/span> )]\n\n team points assists rebounds\n0 A 18 5 11\n1 to 22 7 8\n2 A 19 7 10\n3 A 14 9 6\n4 B 14 12 6\n5 B 11 9 5<\/strong><\/span><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak naprawi\u0107 w Pandach: SettingWithCopyWarning<\/a>
Jak naprawi\u0107 b\u0142\u0105d w Pandach: TypeError: Brak danych numerycznych do wykre\u015blenia<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"