DataFrame字段校验报错：判断field a的value为list类型时遇类型错误

错误原因 #

你忽略了两个关键问题：

1. np.select的执行逻辑：它会先完整运行choicelist里的所有表达式，再根据condlist的匹配结果挑选对应值。哪怕field=c只匹配第三行，df["value"].between(50, 100)还是会遍历整个value列，包括第一行的list类型元素，直接触发list与int无法比较的TypeError。
2. 全局校验的错误使用：df["value"].apply(is_list_like).any()返回的是整个列的全局布尔值（只要有一个元素符合就为True），而非每行的单独校验结果，会导致所有field=a的行被赋值同一个错误结果。

修正方案 #

方案一：掩码过滤逐字段赋值（高效） #

针对每个字段单独过滤出对应行，执行校验后再赋值，彻底避免无关行参与运算：

import pandas as pd
import numpy as np
from pandas.api.types import is_list_like

data = {
    "field": ["a", "b", "c"],
    "value": [[1, "na", -99], 20, 80],
}

df = pd.DataFrame(data)

# 生成各字段的掩码与对应校验结果
mask_a = df["field"] == "a"
result_a = df.loc[mask_a, "value"].apply(is_list_like)

mask_b = df["field"] == "b"
result_b = df.loc[mask_b, "value"].isin([10, 20, 30, 40])

mask_c = df["field"] == "c"
result_c = df.loc[mask_c, "value"].between(50, 100)

# 初始化status为False，再赋值对应结果
df["status"] = False
df.loc[mask_a, "status"] = result_a
df.loc[mask_b, "status"] = result_b
df.loc[mask_c, "status"] = result_c

print("After check DF")
print(f"{df=}")

方案二：逐行apply（直观易读） #

用apply遍历每一行，根据当前行的字段直接执行对应校验规则，适合规则复杂的场景：

import pandas as pd
from pandas.api.types import is_list_like

data = {
    "field": ["a", "b", "c"],
    "value": [[1, "na", -99], 20, 80],
}

df = pd.DataFrame(data)

def validate_row(row):
    match row["field"]:
        case "a":
            return is_list_like(row["value"])
        case "b":
            return row["value"] in [10, 20, 30, 40]
        case "c":
            return 50 <= row["value"] <= 100
        case _:
            return False

df["status"] = df.apply(validate_row, axis=1)

print("After check DF")
print(f"{df=}")

运行结果 #

两种方案最终都会得到正确的校验结果：

After check DF
df=  field          value  status
0     a  [1, na, -99]    True
1     b             20    True
2     c             80    True

内容的提问来源于stack exchange，提问作者winter