Filtering Reihen von Datenrahmen auf mehreren Bedingungen, immer Valueerror

Question

Ich Filterung meine Zeilen aus Datenrahmen joined auf mehreren Kriterien genannt:

joined[(joined.gvkey_x==gvkey) & (year-3<=joined.year_y<=year)] 

Ich möchte alle Zeilen aus dem Datenrahmen, die die angegebenen Bedingungen erfüllen. ich diesen Fehler zurückgegeben:

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

ich this answer las die besagt, dass ich .any()/ .all() aber dies ist nicht genau klar, verwendet werden soll.

Kann mir jemand erklären, wie ich mehrere Bedingungen anwenden sollte und was genau der Zweck und die Verwendung von a.any() or a.all() in meinem Betrieb ist (&).

Answer 1

könnten Sie verwenden query

joined.query('gvkey_x == @gvkey & @year - 3 <= year_y <= @year') 

Demo

year = 2002 
gvkey = 12345 

joined = pd.DataFrame(dict(
     gvkey_x=[12343] * 6 + [12345] * 6 + [12346] * 6, 
     year_y=list(range(2000, 2006)) * 3 
    )) 
print(joined) 

    gvkey_x year_y 
0  12343 2000 
1  12343 2001 
2  12343 2002 
3  12343 2003 
4  12343 2004 
5  12343 2005 
6  12345 2000 
7  12345 2001 
8  12345 2002 
9  12345 2003 
10 12345 2004 
11 12345 2005 
12 12346 2000 
13 12346 2001 
14 12346 2002 
15 12346 2003 
16 12346 2004 
17 12346 2005 

---

print(joined.query('gvkey_x == @gvkey & @year - 3 <= year_y <= @year')) 

    gvkey_x year_y 
6 12345 2000 
7 12345 2001 
8 12345 2002 

---

Der Grund Sie erhielten Ihren Fehler wegen (year-3<=joined.year_y<=year)
pandas muss jeden Vergleich separat ausgewertet werden.

Wie @Psidom vorgeschlagen in den Kommentaren:

(joined.year_y >= year-3) & (joined.year_y <= year) 

es beheben würde.

Answer 2

können Sie versuchen, numpy.where (Beispieldaten):

>>> import pandas as pd 
>>> import numpy as np 
>>> df = pd.DataFrame({"year": [2013, 2014, 2014, 2015, 2013, 2013], "class": ['a', 'b', 'b', 'b', 'b', 'a'], "value": [13, 25, 32, 12, 23, 54]}) 
>>> df 
    class value year 
0  a  13 2013 
1  b  25 2014 
2  b  32 2014 
3  b  12 2015 
4  b  23 2013 
5  a  54 2013 
>>> df.ix[np.where((df['class'] == 'a') & (df['year'] == 2013))[0]] 
    class value year 
0  a  13 2013 
5  a  54 2013