ValueError: Cannot mask with non-boolean array containing NA / NaN values
Ai filtrat cu o mască făcută cu .str (de obicei str.contains) pe o coloană care are și valori lipsă sau numere: pe acele rânduri masca are NaN, nu True/False. Pune na=False: df[df["email"].str.contains("gmail", na=False)], sau convertește coloana în text înainte.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Un filtru df[masca] are nevoie de o mască booleană: pe fiecare rând True (păstrează) sau False (aruncă). Metodele .str (contains, startswith, endswith, match) întorc însă NaN pe rândurile care nu sunt texte: valori lipsă sau numere amestecate în coloană. O mască cu NaN nu e booleană, iar pandas refuză să ghicească dacă rândul trebuie păstrat.
În pandas 3, pe coloanele de tip str, valorile lipsă dau deja False, dar coloanele de tip object (cu valori amestecate: texte și numere, de exemplu dintr-un export Excel) au încă problema. Verifică df["col"].dtype și masca.isna().sum() ca să vezi câte rânduri dau NaN.
Reparația e să decizi tu ce se întâmplă cu acele rânduri: na=False (le aruncă) sau na=True (le păstrează).
De ce apare: cauzele frecvente
1str.contains pe o coloană cu valori lipsă sau numere
df[df["email"].str.contains("gmail")]df[df["email"].str.contains("gmail", na=False)]Cu na=False, rândurile care nu sunt text primesc False în mască și sunt excluse.
2Coloană cu tipuri amestecate
df["cod"] = [101, "A-17", None]
df[df["cod"].str.startswith("A")]df["cod"] = df["cod"].astype("str")
df[df["cod"].str.startswith("A")]După conversia în text, fiecare valoare e un șir, iar masca are doar True și False.
3Mască făcută cu map care întoarce None
masca = df["oras"].map({"Cluj": True, "Iasi": False})
df[masca]masca = df["oras"].map({"Cluj": True, "Iasi": False}).fillna(False).astype(bool)
df[masca]Orașele care lipsesc din dicționar primesc NaN; fillna(False) le transformă într-o decizie clară.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Cannot mask with non-boolean array containing NA / NaN values. Coloana email are o valoare lipsă și un cod numeric. Repară filtrul ca să afișeze clienții cu adresă de Gmail și numărul lor; rândurile fără text se exclud.
import pandas as pd
import numpy as np
df = pd.DataFrame({
"nume": ["Ana", "Dan", "Ioana", "Mihai"],
"email": pd.Series(["ana@gmail.com", 1234, np.nan, "mihai@gmail.com"], dtype="object"),
})
gmail = df[df["email"].str.contains("gmail")]
print(gmail["nume"].tolist())
print("Clienți Gmail:", len(gmail))['Ana', 'Mihai'] Clienți Gmail: 2
Indiciu
Adaugă na=False în str.contains.
Reparația
import pandas as pd
import numpy as np
df = pd.DataFrame({
"nume": ["Ana", "Dan", "Ioana", "Mihai"],
"email": pd.Series(["ana@gmail.com", 1234, np.nan, "mihai@gmail.com"], dtype="object"),
})
gmail = df[df["email"].str.contains("gmail", na=False)]
print(gmail["nume"].tolist())
print("Clienți Gmail:", len(gmail))De ce merge
Pe rândul cu 1234 și pe cel fără email, str.contains nu are un text de verificat și întoarce NaN, deci masca nu mai era booleană. Cu na=False, acele rânduri primesc False, masca are doar True/False, iar filtrul păstrează pe Ana și pe Mihai.
Alte forme ale mesajului
ValueError: Cannot mask with non-boolean array containing NA / NaN valuesValueError: Cannot mask with a boolean indexer containing NA values
Cum o eviți pe viitor
- Pune mereu
na=Falselastr.contains,str.startswithșistr.endswithcând filtrezi. - Verifică tipul coloanei: o coloană
objectcu valori amestecate se curăță întâi (astype("str")saupd.to_numeric). - Înainte de filtru,
masca.value_counts(dropna=False)îți arată dacă aparNaN. - Tratează explicit valorile lipsă (
fillna,dropna) înainte de prelucrarea textului.
Întrebări frecvente
Ce diferență e între na=False și dropna() înainte?
Rezultatul filtrului e același: rândurile fără valoare nu apar. dropna() modifică însă tabelul pe care lucrezi, iar na=False afectează doar masca, deci rândurile rămân în df pentru alte calcule.
De ce mesajul apare doar pe unele fișiere?
Pentru că depinde de date: dacă exportul are măcar o celulă goală sau un număr în coloana de text, masca va conține NaN. Un fișier complet curat trece fără eroare.
Erori înrudite
AttributeError: Can only use .str accessor with string values, not integer Ai folosit o metodă .str (startswith, contains, upper, replace...) pe o coloană care nu e de tip text, aici una de numere întregi. Transformă întâi coloana în text cu astype(str), apoi aplică .str; sau, dacă e deja numerică, folosește operații numerice în loc de text. ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). Ai pus o coloană întreagă (o Series cu multe True/False) acolo unde Python așteaptă un singur True sau False: în if, sau cu and / or între două condiții. În filtre folosește & și | cu fiecare condiție între paranteze; în if folosește .any() sau .all(). TypeError: boolean value of NA is ambiguous Ai folosit într-un if (sau într-o condiție cu and/or) o valoare lipsă pd.NA, de obicei dintr-o coloană de tip Int64, boolean sau string. pd.NA nu e nici adevărat, nici fals. Verifică întâi pd.isna(x), completează lipsurile cu fillna sau, mai bine, scrie condiția vectorizat (np.where, mască). Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
