如何基于条件从已有列创建Pandas DataFrame新列？修正Series真值歧义报错

嘿，这个报错我太熟悉了！问题出在你用了Python原生的and来判断Series的条件——Pandas处理布尔数组/Series时，得用按位运算符而不是普通的逻辑运算符。

为什么会报错？ #

and是Python的逻辑运算符，它会试图把整个Series转换成一个单一的布尔值，但你的df['bathrooms']>=2返回的是一个包含多个True/False的Series，Pandas根本不知道你要判断这个Series的“真值”到底是啥（是只要有一个True就算真？还是全为True才算？），所以就抛出了这个“真值模糊”的错误。

修正后的代码方案 #

方案1：用按位与&替换and，并给每个条件加括号

因为Pandas里的运算符优先级问题，必须给每个条件单独加括号，不然会出现运算顺序错误：

df['new_column'] = df['price'][(df['bathrooms'] >= 2) & (df['bathrooms'] < 3)]

这样处理后，不满足条件的行对应的new_column会被设为NaN，如果需要给这些行填充默认值（比如0），可以追加fillna()：

df['new_column'] = df['price'][(df['bathrooms'] >= 2) & (df['bathrooms'] < 3)].fillna(0)

方案2：用numpy.where()更直观地赋值

这个方法可以直接指定满足条件和不满足条件时的值，逻辑更清晰：

import numpy as np
df['new_column'] = np.where((df['bathrooms'] >= 2) & (df['bathrooms'] < 3), df['price'], np.nan)

如果不想用NaN，把第三个参数换成你想要的默认值就行，比如0。

方案3：用between()简化条件写法

Pandas的between()方法可以直接帮你写“大于等于左值且小于右值”的条件，还能通过inclusive参数控制边界是否包含：

df['new_column'] = df['price'][df['bathrooms'].between(2, 3, inclusive='left')]

这里inclusive='left'表示包含2、不包含3，完美匹配你的需求，代码也更简洁。

内容的提问来源于stack exchange，提问作者user16619098