4

Tengo dos DataFrame y quiero hacer algo asi .. "si 'stock' de df2 es mayor al 'stock' de df1, restar, else sumar. El problema es que cuando hago la condición.. la respuesta puede ser True o False y nose como tomar solo los True y operar, y de la misma manera con los False

df1 = pd.DataFrame({'id_producto':['111','222','333','444','555'],
              'stock':[10,100,3,40,50],
                  'version':[1,1,1,1,1]})

df2 = pd.DataFrame({'id_producto':['111','222','333','444','555'],
              'stock':[50,10,30,41,49],
                  'version':[2,2,2,2,2]})

#esto es lo que quisiera hacer, pero me arroja error 

if df2['stock'] > df1['stock']:
    print(df2['stock']-df1['stock'])
else:
    df1['stock'] + df2['stock']

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

Se agradece de antemano cualquier ayuda, saludos

2 respuestas 2

5

Si no tienes problema en crear una nueva columna, por ejemplo en df1 podrías hacer:

df1.loc[df2.stock >  df1.stock, "nuevo_stock"] = df2.stock - df1.stock
df1.loc[df2.stock <= df1.stock, "nuevo_stock"] = df1.stock + df2.stock

print(df1)

  id_producto  stock  version  nuevo_stock
0         111     10        1         40.0
1         222    100        1        110.0
2         333      3        1         27.0
3         444     40        1          1.0
4         555     50        1         99.0

En este caso, usamos loc() y dos llamadas, con cada filtro de selección df2.stock > df1.stock y df2.stock <= df1.stock

3

Una opción más eficiente en cuanto a tiempo de ejecución en principio para este caso que la planteada por @PatricioMoracho es usar directamente numpy.where, aunque puede ser bastante menos legible si tenemos más de una condición:

df1["nuevo_stock"] = np.where(df2['stock'] > df1['stock'],
                              df2['stock'] - df1['stock'],
                              df1['stock'] + df2['stock']
                              )

El primer argumento es la condición, el segundo es el valor a tomar si la condición es verdadera, el tercero el valor a tomar si es falsa.

Tiempos de ejecución para un DataFrame como el del ejemplo pero con 50000 filas:

np.where -> 936 µs ± 6.88 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
Doble df.loc -> 7.93 ms ± 199 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

En cuanto al error que tienes:

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

Mirate:

la línea:

if df2['stock'] > df1['stock']:

evalúa primero df2['stock'] > df1['stock'], lo cual es una operación vectorizada (por cada fila se evalúa si stock en df2 es mayor que su homólogo en df1) que retorna una serie de boleanos. Después el intérprete evalúa si la serie boleana en su conjunto es o no considerada verdadera (bool(f2['stock'] > df1['stock'])) lo cual retorna la excepción comentada.

Aunque en Python por norma general un iterable no vacío se evalúa como verdadero, en NumPy/Pandas esto no es así porque están pensados para operar vectorialmente, por lo que lanzan una excepción:

>>> bool([])
False

>>> bool([True, False, True])
True

>>> import numpy as np
>>> bool(np.array([True, False, True]))
Exception has occurred: ValueError
  The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

En el caso de la lista Python no evalúa lo que contiene, solo mira si tiene algún elemento o no, es decir bool([False]) es True también.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.