基于DataFrame A与B的列匹配在B中创建新列并排序时遇ValueError问题求助

问题场景 #

你想要把DataFrame A里reason_name和Yes/No/Unfinished列的映射关系，匹配到DataFrame B（也就是你的aggregated_call_logs_df）的同名列上，新增donation_status列，最后还要按日期、时间升序排序。但用map直接传入整个DataFrame时触发了报错。

错误原因 #

你现在的代码是直接把整个mapping_reason_name_donation_status_df（也就是DataFrame A）传给了map方法，但map只接受字典、Series或者可调用对象作为映射规则。传入整个DataFrame的话，Pandas无法确定怎么用这个DataFrame来做映射匹配，所以抛出了“真值歧义”的错误。

解决方案 #

先把DataFrame A转换成符合要求的映射结构，再执行映射和排序：

1. 构建映射字典/Series
   假设你的DataFrame A（mapping_reason_name_donation_status_df）的结构是：reason_name列作为键，Yes/No/Unfinished列作为对应的值。先把它转换成字典：

   # 构建reason_name到状态值的映射字典
   status_mapping = mapping_reason_name_donation_status_df.set_index('reason_name')['Yes/No/Unfinished'].to_dict()
   

   或者转换成Series（效果一样，Pandas的map也支持Series）：

   status_mapping = mapping_reason_name_donation_status_df.set_index('reason_name')['Yes/No/Unfinished']
   

2. 执行映射操作
   用上面构建好的映射来给DataFrame B新增列：

   aggregated_call_logs_df["donation_status"] = aggregated_call_logs_df['reason_name'].map(status_mapping)
   

3. 按日期和时间升序排序
   最后替换成你实际的日期、时间列名，执行排序：

   # 替换成你DataFrame里实际的日期列名和时间列名
   aggregated_call_logs_df = aggregated_call_logs_df.sort_values(by=['date_column', 'time_column'], ascending=True)
   

额外注意事项 #

你已经把NaN填充为空字符串，要确保映射字典里的reason_name包含所有DataFrame B中出现的空字符串情况，否则映射后donation_status会出现NaN，可以用fillna再处理一次：

aggregated_call_logs_df["donation_status"] = aggregated_call_logs_df['reason_name'].map(status_mapping).fillna('Unfinished') # 或者你需要的默认值

内容的提问来源于stack exchange，提问作者Shihab Ullah