1

tengo un archivo csv con datos históricos de una liga de futbol

import pandas as pd
archivo = pd.read_csv('liga.csv', sep=',')
dtf = pd.DataFrame(archivo)

lo que quiero es comparar los valores de una columna con los de otra, es decir y como ejemplo, quiero saber los partidos que ha ganado el arsenal como local, entonces tengo este dataframe

hometeam awayteam ftr whd
arsenal  everton  D   4.2
...  

este es el codigo que da error en python3

x=0
if dtf.HomeTeam == 'Arsenal' and dtf.FTR == 'A':
    x+=1
print(x)

el error de salida

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

2
  • Creo que lo que estás intentando hacer es más complejo de lo que crees. Lo que dices en esa condición es: "Por cada valor de la columna HomeTeam devuelveme True o False si el valor es igual a Arsenal" y luego quieres comparar eso que es un vector de datos con lo que hay despues del and " por cada valor en la columna FTR devuelveme True o False si el valor es igual a A" Lo que estás haciendo es comparar dos Series de True y False lo cual no es posible y por eso te lanza el error. el 8 ene. 2021 a las 8:54
  • 2
    DIcho lo anterior, deberías poner un ejemplo mínimo verificable del DataFrame que tienes, para que podamos trabajar con él. Es decir, crear un DataFrame en código que se pueda copiar facilmente. el 8 ene. 2021 a las 8:56

2 respuestas 2

1

Respondiendo directamente a la pregunta del título:

por que esta operación relacional da error en pandas

y para entender qué significa el críptico mensaje de pandas:

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

hay que explicar que en Python los operadores >, >=, <, <=, == y != son todos redefinibles, pero los operadores and, or y not no lo son. Esto tiene su importancia en el caso que nos ocupa.

Pandas ha redefinido los operadores de comparación para que funcionen con Series (columnas) y para que, en lugar de retornar True o False, retornen una serie (una columna) de booleanos.

Así cuando haces dtf.HomeTeam == 'Arsenal' debido a esa redefinición hecha por Pandas, el resultado de la comparación es una columna llena de booleanos, en el que habrá True en las filas que HomeTeam sea 'Arsenal' y False en las filas en que no lo sea. Hasta aquí bien.

Por otro lado podrías pensar que dtf.FTR == 'A' hace lo mismo produciendo otra columna de booleanos y que finalmente and realiza la operación 'Y' entre ambas columnas, produciendo como resultado otra columna de booleanos con True sólo en las posiciones en las que ambas series tenían True.

Por desgracia eso no es así porque, como he dicho , and no puede ser redefinido y por tanto sigue siendo el operador python "normal". Si and pudiera redefinirse, sin duda Pandas lo habría hecho para que pudiera operar con Series y de ese modo tu expresión habría funcionado.

Qué está ocurriendo entonces

La redefinición de == se hace implementando en una clase el método __eq__(), de modo que cuando haces a == b en realidad Python invoca a.__eq__(b).

Eso es lo que ocurre con tu dataframe, y por tanto dtf.HomeTeam == 'Arsenal' en realidad consiste en ejecutar dft.HomeTeam.__eq__('Arsenal'). La condición de tu if se ve entonces así:

dtf.HomeTea.__eq__('Arsenal') and dtf.FTR.__eq__('A')

Por tanto Python ejecuta cada uno de esos métodos, obtiene dos columnas de booleanos y se encuentra entonces con que tiene que evaluar algo como:

columna_booleanos_1 and columna_booleanos_2

El operador and sólo sabe comparar entre sí un booleano con otro. Cuando se encuentra con un tipo que no es booleano (como columna_booleanos_1 por ejemplo), intentará convertirlo en un booleano, por lo que en realidad se intentará lo siguiente:

bool(columna_booleanos_1) and bool(columna_booleanos_2)

La función bool se resuelve invocando el método __bool__ de esos objetos, por lo que equivale a:

columna_booleanos_1.__bool__() and columna_booleanos_2.__bool__()

y aquí entra Pandas de nuevo, pues Pandas ha implementado el método __bool__() en los objetos de tipo Series. Si la implementación de Pandas retornara como resultado True o False, todo seguiría felizmente, pues and hará su trabajo entre dos booleanos.

Pero Pandas se encuentra con una columna llena de True y False y se le pide convertirla en un único valor, True o False. ¿Cuál debería ser el resultado? Si toda la columna estuviera llena de True parece que el resultado debería ser True, pero ¿y si contiene algún False? No está claro qué se debería hacer en ese caso. De modo que de forma general Pandas renuncia a convertir una columna en un booleano, y nos da su error (que ahora voy a traducir):

El valor booleano de una Serie es ambiguo. Debes usar a.empty, a.bool(), a.item(), a.any(), o a.all()

Esos son métodos que están claramente definidos para producir un solo booleano como resultado ante una serie de ellos. Por ejemplo a.all() dará True sólo si todos son True, mientras que a.any() dará True con tal de que al menos uno de ellos sea True.

Cómo arreglarlo

En el caso en que lo que realmente quisieras fuera una columna con True en aquellos lugares en que ambas eran True, es decir la operación and elemento a elemento entre ambas columnas, para ese caso puedes utilizar el operador & en lugar de and.

El operador & forma parte del lenguaje python, y está inicialmente pensado como una operación aritmético-lógica entre enteros (lo que se llama el bitwise and, que en C sería también el operador &). Sin embargo, a diferencia de and, el operador & es redefinible y Pandas lo ha redefinido para que haga justo lo que aquí necesitamos: una operación lógica entre columnas.

Por tanto habría que reescribir tu condición así:

(dtf.HomeTeam == 'Arsenal') & (dtf.FTR == 'A')

En este caso hay que utilizar paréntesis alrededor de las comparaciones, porque el operador & tiene más precedencia que el operador ==.

El resultado de esa condición es una columna de booleanos. Puedes obtener cuántos True hay en esa columna si simplemente calculas la suma (ya que cuando python suma booleanos los trata como 1 y 0).

Es decir:

x = sum((dtf.HomeTeam == 'Arsenal') & (dtf.FTR == 'A'))
1
# filtrar filas específicas en Pandas desde un DataFrame

# se debe para OR | y para AND &
    
dtf [ ( dtf [ 'hometeam' ] == 'Arsenal' ) & ( dtf [ 'ftr' ] == 'A' ) ]
1
  • 3
    Si explicaras el código otros podriamos aprender algo más de Pandas. Un trozo de código sin explicación no enseña ni educa.
    – Candid Moe
    el 19 ene. 2021 a las 21:19

Tu Respuesta

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

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