自定义函数无法输出：Pandas apply报Series真值歧义错误求助

问题背景 #

使用的数据表如下：

自定义转换函数：

def convert(Academic, current, year):
    if Academic == 0.0 | current == 0:
        year += 4
    elif Academic == 1.0 | current == 1:
        year += 3
    elif Academic == 2.0 | current == 2:
        year += 2
    elif Academic == 3.0 | current == 3:
        year += 1
    else:
        year
    return year

尝试生成新列的代码：

df['Passing'] = df.apply(convert(df["Academic"], df["current"], df["year"]), axis=1)

报错信息：

The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

错误原因 #

1. apply调用方式错误：直接传入convert(...)会把整列Series传入函数，函数内的条件判断会返回布尔Series，Pandas无法确定整个Series的真值，引发歧义错误。
2. 列名不匹配：数据表中的列是当前年份，但代码中写的是df["current"]，会导致KeyError。
3. 逻辑运算符错误：用位运算符|代替了逻辑或or，逐行判断时应该用or；若用向量化操作，|需要给每个条件加括号。
4. 函数分支缺失返回值：else分支仅写了year，没有明确返回，可能导致返回None。

解决方案 #

方案一：修正apply调用与函数逻辑 #

修正后的函数和调用代码：

def convert(row):
    # 从行数据中提取对应列的值
    academic = row["Academic"]
    current_year = row["当前年份"]
    year = row["年份"]
    
    if academic == 0.0 or current_year == 0:
        year += 4
    elif academic == 1.0 or current_year == 1:
        year += 3
    elif academic == 2.0 or current_year == 2:
        year += 2
    elif academic == 3.0 or current_year == 3:
        year += 1
    # 明确返回year，else分支无需额外处理
    return year

# apply传入函数名，axis=1表示逐行处理
df['Passing'] = df.apply(convert, axis=1)

方案二：用向量化操作提升效率（推荐） #

对于大数据量，apply逐行处理效率较低，推荐使用numpy.select实现向量化运算：

import numpy as np

# 定义判断条件
conditions = [
    (df["Academic"] == 0.0) | (df["当前年份"] == 0),
    (df["Academic"] == 1.0) | (df["当前年份"] == 1),
    (df["Academic"] == 2.0) | (df["当前年份"] == 2),
    (df["Academic"] == 3.0) | (df["当前年份"] == 3)
]

# 对应条件的结果
choices = [
    df["年份"] + 4,
    df["年份"] + 3,
    df["年份"] + 2,
    df["年份"] + 1
]

# 生成新列，默认返回原年份
df["Passing"] = np.select(conditions, choices, default=df["年份"])

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