ValueError异常求助：无法将多列DataFrame赋值给单列

错误原因 #

你的自定义函数RangDef0在处理row[column] > 0的情况时，返回的是整个baseburo[NombrecolM]列（Pandas的Series对象），而非当前行对应的该列值。当用apply(axis=1)遍历每行时，函数返回的Series会被当作多列数据，尝试赋值给单个新列就触发了这个异常。

之前用CO01NUM022AH、CO01NUM022CT列时可能未触发该分支（或巧合未报错），但CO01EXP001VE、CO01EXP001RO列存在大量大于0的行，直接暴露了这个问题。

修正方案 #

方案1：修改函数逻辑，取当前行对应值 #

直接将函数中返回整列的代码改为取当前行的NombrecolM列值：

VarMeses = ('CO01EXP001VE', 'CO01EXP001RO')

def RangDef0(row):
    if row[column] == 0:
        rango = 'y. Sin antiguedad'
    elif row[column] > 0:
        # 改为取当前行的NombrecolM列值，而非整列
        rango = row[NombrecolM]
    elif row[column] in (-1, -2, -3):
        rango = 'z. Sin informacion'
    else:
        rango = 'y. Sin antiguedad'
    return rango

binsM = [1, 12, 24, 48, 72, 96, 120, 144, 168, 99999]
labM = ['a. 1-12 m','b. 13-24 m','c. 25-48 m','d. 49-72 m','e. 73-96 m','f. 97-120 m','g. 121-144 m','h. 145-168 m','i. >168 m']

for column in VarMeses:
    NombrecolM = 'R2'+ str(column)  
    NombrecolM2 = 'R'+ str(column)
    baseburo[NombrecolM] = pd.cut(baseburo[column], bins = binsM, labels = labM, include_lowest = True)
    baseburo[NombrecolM2] = baseburo.apply(RangDef0, axis=1)

方案2：通过lambda传递参数（更稳妥，避免依赖外部变量） #

将函数改为接收列名参数，用lambda在apply时传入当前循环的列名和新列名，避免闭包变量带来的潜在问题：

VarMeses = ('CO01EXP001VE', 'CO01EXP001RO')

def RangDef0(row, column, nombre_col_m):
    if row[column] == 0:
        return 'y. Sin antiguedad'
    elif row[column] > 0:
        return row[nombre_col_m]
    elif row[column] in (-1, -2, -3):
        return 'z. Sin informacion'
    else:
        return 'y. Sin antiguedad'

binsM = [1, 12, 24, 48, 72, 96, 120, 144, 168, 99999]
labM = ['a. 1-12 m','b. 13-24 m','c. 25-48 m','d. 49-72 m','e. 73-96 m','f. 97-120 m','g. 121-144 m','h. 145-168 m','i. >168 m']

for column in VarMeses:
    NombrecolM = 'R2'+ str(column)  
    NombrecolM2 = 'R'+ str(column)
    baseburo[NombrecolM] = pd.cut(baseburo[column], bins = binsM, labels = labM, include_lowest = True)
    # 用lambda传递column和NombrecolM参数给函数
    baseburo[NombrecolM2] = baseburo.apply(lambda row: RangDef0(row, column, NombrecolM), axis=1)

额外优化建议 #

• 用row[column] in (-1, -2, -3)替代(row[column] == -1) | (row[column] == -2) | (row[column] == -3)，代码更简洁高效。
• 如果数据量较大，apply(axis=1)效率较低，可以考虑用numpy.where或pd.Series.map等向量化操作替代，提升性能。

内容的提问来源于stack exchange，提问作者Andrea R