pandas df.apply 和df.applymap 使用lambda函数加if else语句的差别（注意事项）
现在有一个Python程序需要对数据表里数据进行处理，把大于0的值转换为1，小于或等于0的值为0。
打算用pandas 的df.apply()方法加lambda函数对整个数据表进行批量转换，但是在使用的时候发现程序报错：
df.apply(lambda x: 1 if x>0 else 0)
错误信息：
ValueError: (‘The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().’, ‘occurred at index A’)
但是直接作用于列又是正常的：
df['A'].apply(lambda x: 0 if x is None else (1 if x>0 else 0))
后来发现是对整个数据表作用时需要改成df.applymap()函数，df.apply()是应用于pd.Series或列或行。
程序改成df.applymap()就可以正常运行了：
df.applymap(lambda x: 1 if x>0 else 0)
程序运行结果：
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！