np.where使用!=报错NA布尔值歧义，其他比较符正常的原因

核心原因：缺失值的布尔判断歧义 #

你遇到的错误根源是pandas中pd.NA（缺失值）的布尔判断存在歧义——它既不属于True也不属于False。当你用!=做比较时，numpy会尝试把包含pd.NA的布尔数组转换成纯布尔类型，但pd.NA的布尔值无法被确定，直接触发TypeError: boolean value of NA is ambiguous。

为什么==、<、>没报错？ #

==、<、>这类比较符在pandas中会返回保留pd.NA的布尔Series，np.where可以兼容这种带缺失值的结构；但!=的场景下，numpy会强制解析布尔值，遇到pd.NA就会触发歧义判断——本质是numpy和pandas对缺失值布尔逻辑的兼容性差异。

不用fillna的解决办法 #

方法1：用pandas的ne()方法替代!= #

ne()是pandas专门的不等于方法，返回的布尔Series会保留缺失值标记，能被np.where正常处理：

# 先提取ISO年和周
df['iso_year'] = df['dates'].dt.isocalendar().year
df['iso_week'] = df['dates'].dt.isocalendar().week

# 用ne()替代!=做判断
df['week_key'] = np.where(
    df['iso_week'].ne(52),
    df['iso_year'].astype(str) + df['iso_week'].astype(str).str.zfill(2),
    '202152'  # 替换成你针对跨年52周的修正值
)

方法2：直接用pandas原生的where方法 #

pandas的where完全兼容缺失值，逻辑更清晰：

df['week_key'] = (df['iso_year'].astype(str) + df['iso_week'].astype(str).str.zfill(2)).where(
    df['iso_week'] != 52,
    '202152'
)

额外优化：自动处理跨年周的week_key #

其实不用手动修正，pandas的dt.strftime('%G%V')可以直接生成符合ISO标准的周键，自动把跨年周归到正确的年份下：

df['week_key'] = df['dates'].dt.strftime('%G%V')

这里%G是ISO周对应的年份，%V是两位的ISO周数，比如2022年初属于2021年第52周的日期，会直接生成202152，完美解决你的跨年周问题。

内容的提问来源于stack exchange，提问作者Makina