使用pandas assign方法生成新列遇ValueError，求正确实现方案

你的错误出在lambda里的条件判断：x['Address'].isna()返回的是一个布尔类型的Series，直接用if-else判断整个Series会触发"真值歧义"错误——pandas无法确定你要判断整个Series的全部为真、任意为真还是其他逻辑，因此必须使用矢量化的条件处理方法来逐行判断。

以下是几种用assign链式调用实现需求的正确方案：

方案1：使用numpy.where（最直观） #

利用np.where实现矢量化的条件分支，逐行判断Address是否为NaN：

import pandas as pd
import numpy as np

df = pd.DataFrame({'Address': ['234 JALAN ST KULAR LUMPUR MALAYSIA', 
                               '123 BUILDING STREET SINGAPORE', 
                               '67 CANNING VALE, HONG KONG',
                               np.nan]})

df_mod = (
    df
    .assign(
        Verify = lambda x: np.where(x['Address'].isna(), '--', 'Yes')
    )
)

方案2：使用pandas.Series.where #

pandas的Series自带where方法，默认保留满足条件的值，否则替换为指定值（这里需要取反判断）：

df_mod = (
    df
    .assign(
        Verify = lambda x: 'Yes'.where(~x['Address'].isna(), '--')
    )
)

方案3：使用map映射布尔值 #

先通过notna()得到布尔Series，再用map将True/False映射为对应的字符串：

df_mod = (
    df
    .assign(
        Verify = lambda x: x['Address'].notna().map({True: 'Yes', False: '--'})
    )
)

以上三种方案都能得到你期望的结果：

Address Verify
0  234 JALAN ST KULAR LUMPUR MALAYSIA    Yes
1         123 BUILDING STREET SINGAPORE    Yes
2              67 CANNING VALE, HONG KONG    Yes
3                                   NaN     --

内容的提问来源于stack exchange，提问作者Alexis