基于条件填充长DataFrame列时遇ValueError问题求助

报错原因 #

你用np.select时犯了两个关键错误：

• 条件判断误用<=做字符串比较，这是字典序匹配而非精确值匹配，应该用==
• values参数传了DataFrame，而np.select要求values是和conditions长度一致的序列（Series/数组）列表，每个序列对应一个条件的赋值结果

正确实现方法 #

方法1：修正np.select用法（推荐，效率最高）

假设你说的"对应列"是perc_optioneel_skill（你原代码里写错成了重复列），直接给values传对应Series：

import numpy as np

# 精确匹配条件
conditions = [
    df1['Essentieel_Optioneel'] == 'essentieel',
    df1['Essentieel_Optioneel'] == 'optioneel'
]
# 每个条件对应一个赋值列
values = [df1['perc_essentieel_skill'], df1['perc_optioneel_skill']]
# 设置默认值（处理非'essentieel'/'optioneel'的情况，可自定义）
default_value = np.nan

df1['vector'] = np.select(conditions, values, default=default_value)

方法2：用df.loc批量赋值

写法更直观，适合简单条件场景：

# 初始化新列
df1['vector'] = np.nan

# 匹配'essentieel'时赋值
df1.loc[df1['Essentieel_Optioneel'] == 'essentieel', 'vector'] = df1['perc_essentieel_skill']
# 匹配'optioneel'时赋值
df1.loc[df1['Essentieel_Optioneel'] == 'optioneel', 'vector'] = df1['perc_optioneel_skill']

方法3：不推荐的for循环（数据量大时极慢）

如果非要用循环，遍历每行判断，但19913行的话，效率会比向量操作低几个数量级：

vector_list = []
for idx, row in df1.iterrows():
    if row['Essentieel_Optioneel'] == 'essentieel':
        vector_list.append(row['perc_essentieel_skill'])
    elif row['Essentieel_Optioneel'] == 'optioneel':
        vector_list.append(row['perc_optioneel_skill'])
    else:
        vector_list.append(np.nan)

df1['vector'] = vector_list

关键提示 #

• 永远优先用向量操作（前两种方法），Pandas的向量操作是C级别的执行效率，循环是Python级别的，数据量大时差距极大
• 字符串匹配必须用==做精确匹配，<=是按字典序比较，会导致错误的匹配结果

内容的提问来源于stack exchange，提问作者Leyla Elkhamlichi