Pandas：在單元格內的列表中查找第一個 True 值

Question

tl; dr-我有一個 dataframe ，其中一列是 boolean 值的列表。 我需要創建另一列來顯示找到第一個 True 值的列表的索引。

長解釋：

我有一個帶有經濟數據時間表的 Pandas dataframe（每列是四分之一）。

我正在嘗試得出一些特定的指標，而我堅持的指標是“恢復”。 我試圖確定在時間線超過之前的峰值之前有多少個季度 go。

以下是我迄今為止所做的所有工作的一些示例數據。 對不起它的大小。

此特定問題的重要列：

最低點：時間線的最低點 nadir_qtr：最低點發生的季度

pre_peak：最低點前的最高點 pre_peak_qtr：出現前峰值的四分之一

為了找到恢復季度，我制作了一個包含 boolean 值列表的列 - 該數字是否大於峰值前：

df2['recovery_list'] = df2.apply(lambda x: (x['new'][x['nadir_qtr']:] > x['pre_peak']), axis=1)

在您使用以下代碼獲得 True 值之前，我可以獲取季度數：

next((i for i, j in enumerate(list(df2['recovery_list'][0])) if j), None)
Output: 7

但是當我使用代碼生成一個新列時：

 df2['recovery_qtr'] = next((i for i, j in enumerate(list(df2['recovery_list'])) if j), None)

我收到以下錯誤：

ValueError：具有多個元素的數組的真值不明確。 使用 a.any() 或 a.all()

知道我在這里做錯了什么嗎？

我對解決這個問題的替代方法持開放態度，但這與我已經接近了。

qtrid	指數	area_fips	area_title	2000.25	2000.5	2000.75	2001.0	2001.25	2001.5	2001.75	2002.0	2002.25	2002.5	2002.75	2003.0	2003.25	2003.5	2003.75	2004.0	2004.25	2004.5	2004.75	2005.0	2005.25	2005.5	2005.75	2006.0	2006.25	2006.5	2006.75	2007.0	2007.25	2007.5	2007.75	2008.0	最低點	nadir_qtr	pre_peak	pre_peak_qtr	恢復列表	post_peak	post_peak_qtr	新的	恢復	衰退	三角洲
0	1374	27075	明尼蘇達州萊克縣	7518.0	8346.0	8642.0	7714.0	8154.0	9012.0	8818.0	8174.0	7642.0	8288.0	8840.0	8022.0	7854.0	8876.0	8642.0	7926.0	7838.0	9020.0	8644.0	8130.0	8060.0	8968.0	8694.0	8314.0	8182.0	9344.0	8810.0	8202.0	8214.0	9352.0	8898.0	8346.0	7642.0	10	9012.0	5	【假，假，假，假，假，假，假……	9352.0	29	[7518.0、8346.0、8642.0、7714.0、8154.0、9012……	1	5	340.0
1	3073	54063	西弗吉尼亞州門羅縣	3812.0	4126.0	4072.0	4040.0	3894.0	4062.0	4086.0	4060.0	3950.0	4122.0	4014.0	3906.0	3772.0	3912.0	4032.0	3996.0	4112.0	4224.0	4242.0	4232.0	3962.0	4138.0	4090.0	4086.0	3978.0	4096.0	4070.0	4196.0	4138.0	4134.0	4210.0	4158.0	3772.0	14	4126.0	1	[假，假，假，真，真，真，假，...	4242.0	18	[3812.0、4126.0、4072.0、4040.0、3894.0、4062……	1	13	116.0
2	1919年	36119	紐約州威徹斯特縣	794524.0	820670.0	813970.0	837170.0	807890.0	829618.0	805440.0	823416.0	799696.0	822272.0	807492.0	829566.0	800922.0	822528.0	805160.0	826352.0	808770.0	832592.0	819536.0	842588.0	813082.0	838078.0	823780.0	841502.0	815112.0	842546.0	827984.0	851376.0	830014.0	862302.0	840974.0	865742.0	799696.0	10	837170.0	3	【假，假，假，假，假，假，假……	865742.0	31	[794524.0、820670.0、813970.0、837170.0、80789...	1	7	28572.0
3	3103	55011	威斯康星州布法羅縣	8747.0	9320.0	9322.0	9298.0	9824.0	9445.0	9488.0	9910.0	9768.0	9142.0	10028.0	9060.0	9944.0	9583.0	10390.0	9256.0	9702.0	9462.0	9957.0	10740.0	10502.0	11230.0	11106.0	11158.0	11662.0	12302.0	12298.0	11267.0	10292.0	10938.0	10726.0	10450.0	9060.0	13	10028.0	10	【假，真，假，假，假，假，真……	12302.0	25	[8747.0、9320.0、9322.0、9298.0、9824.0、9445....	1	3	2274.0
4	3683	C2706	紐約州伊薩卡 MSA	92042.0	95082.0	93852.0	94730.0	92978.0	96624.0	94556.0	95156.0	92922.0	95148.0	95666.0	96214.0	95192.0	97904.0	97330.0	97772.0	96510.0	98820.0	98532.0	99160.0	100396.0	100062.0	99060.0	99840.0	97912.0	100914.0	99772.0	101050.0	98418.0	101806.0	101344.0	102708.0	92922.0	10	96624.0	5	[假，假，假，真，真，真，假，...	102708.0	31	[92042.0, 95082.0, 93852.0, 94730.0, 92978.0, ...	1	5	6084.0
5	2365	45019	南卡羅來納州查爾斯頓縣	362554.0	378358.0	362860.0	369826.0	362656.0	364742.0	360836.0	359780.0	358752.0	370100.0	368878.0	369464.0	369964.0	377104.0	376108.0	378814.0	379144.0	389946.0	389044.0	391862.0	388852.0	402586.0	398644.0	398042.0	396874.0	406484.0	410372.0	416576.0	417812.0	427552.0	424776.0	424316.0	358752.0	10	378358.0	1	【假，假，假，假，假，真，真……	427552.0	29	[362554.0、378358.0、362860.0、369826.0、36265...	1	9	49194.0
6	3448	C1722	克拉克斯堡，西弗吉尼亞州	35242.0	36634.0	36225.0	36026.0	35447.0	36476.0	35968.0	36227.0	35571.0	36785.0	36377.0	36863.0	35954.0	37505.0	37048.0	37325.0	36400.0	37701.0	37407.0	37503.0	36407.0	37653.0	37616.0	37383.0	36977.0	37625.0	37037.0	37227.0	36265.0	37617.0	37227.0	37570.0	35571.0	10	36785.0	9	[假，真，假，真，真，真，假，...	37701.0	17	[35242.0, 36634.0, 36225.0, 36026.0, 35447.0, ...	1	1	916.0
7	3297	C1086	德克薩斯州愛麗絲	13001.0	13245.0	13460.0	13800.0	13642.0	14243.0	14145.0	14031.0	13873.0	14086.0	14208.0	14106.0	14522.0	14855.0	14959.0	15120.0	15105.0	15492.0	15554.0	15695.0	15517.0	15713.0	15970.0	15874.0	16127.0	16666.0	16778.0	16876.0	17380.0	18144.0	18178.0	17937.0	13873.0	10	14243.0	5	[假，假，真，真，真，真，真，...	18178.0	30	[13001.0, 13245.0, 13460.0, 13800.0, 13642.0, ...	1	5	3935.0
8	742	18063	印第安納州亨德里克斯縣	58656.0	60586.0	60618.0	60272.0	59964.0	63238.0	65434.0	65000.0	65534.0	66824.0	68710.0	68680.0	67982.0	70936.0	72554.0	74030.0	74836.0	77138.0	78370.0	78876.0	77654.0	79878.0	81936.0	82752.0	83174.0	86144.0	88166.0	88914.0	88606.0	91556.0	93514.0	93744.0	65000.0	9	65534.0	8	【真，真，真，真，真，真，真，真，真……	93744.0	31	[58656.0, 60586.0, 60618.0, 60272.0, 59964.0, ...	1	1	28210.0
9	3618	C2446	大彎，堪薩斯州 MicroSA	12532.0	13213.0	13015.0	13207.0	12852.0	13368.0	13077.0	13216.0	13144.0	13396.0	13348.0	12961.0	12487.0	12791.0	12690.0	12638.0	12520.0	12953.0	12679.0	12804.0	12600.0	13152.0	12685.0	12886.0	12946.0	13264.0	12943.0	13339.0	13160.0	13433.0	13111.0	13546.0	12487.0	14	13396.0	9	【假，假，假，假，假，假，假……	13546.0	31	[12532.0, 13213.0, 13015.0, 13207.0, 12852.0, ...	1	5	150.0

Answer 1

考慮下面df ：

In [952]: df = pd.DataFrame({'A':[[True, False, True], [False, True, False], [False, False, False, True]]})

In [953]: df
Out[953]: 
                             A
0          [True, False, True]
1         [False, True, False]
2  [False, False, False, True]

您可以使用df.apply和List.index來做到這一點：

In [955]: df['True_index'] = df['A'].apply(lambda x: x.index(True))

In [956]: df
Out[956]: 
                             A  True_index
0          [True, False, True]           0
1         [False, True, False]           1
2  [False, False, False, True]           3