如何解决Python中创建DataFrame新列时的Series真值歧义错误

你这段代码报错的核心原因是：Python原生的if/elif是用来判断单个布尔值的，但你用它去判断Pandas的Series（一整列的布尔值）时，程序无法确定该用哪一个布尔值来判定整个条件的真假，因此抛出了ValueError: The truth value of a Series is ambiguous错误。

以下是几种可行的解决方法：

方法1：使用numpy.select（推荐，多条件场景首选） #

这种方式可以一次性定义所有判断条件和对应结果，逻辑清晰且执行效率高：

import numpy as np

# 定义所有判断条件
conditions = [
    (df['Column1'] <= 10) & (df['Column2'] <= 15) & (df['Column3'] == 100),
    (df['Column1'] > 10) & (df['Column2'] >= 15) & (df['Column3'] == 100),
    df['Column3'] == 0
]

# 定义对应条件的输出结果
results = ["No Flood", "Flood", "No Rain"]

# 为新列赋值
df['Outcomes'] = np.select(conditions, results)

方法2：使用df.loc逐条件赋值 #

通过loc定位满足条件的行，直接给目标列赋值，是Pandas中常用的条件赋值方式：

# 先初始化新列（可选，避免部分行值为空）
df['Outcomes'] = ""

# 按条件依次设置值
df.loc[(df['Column1'] <= 10) & (df['Column2'] <= 15) & (df['Column3'] == 100), 'Outcomes'] = "No Flood"
df.loc[(df['Column1'] > 10) & (df['Column2'] >= 15) & (df['Column3'] == 100), 'Outcomes'] = "Flood"
df.loc[df['Column3'] == 0, 'Outcomes'] = "No Rain"

方法3：使用apply（适合小数据集） #

对DataFrame的每一行应用自定义判断函数，适合数据量不大的场景（大数据量下效率不如前两种）：

def get_outcome(row):
    if row['Column3'] == 0:
        return "No Rain"
    elif row['Column1'] <= 10 and row['Column2'] <= 15:
        return "No Flood"
    elif row['Column1'] > 10 and row['Column2'] >= 15:
        return "Flood"

df['Outcomes'] = df.apply(get_outcome, axis=1)

内容的提问来源于stack exchange，提问作者Abuchi