爬取DataFrame与Excel转换DataFrame按名称匹配时ValueError问题的解决方案咨询

你遇到的ValueError完全是因为直接对布尔Series做真值判断导致的——df1["Item Name"].str.contains(x)返回的是一个包含True/False的Series，而if语句需要的是单个布尔值，Python没法确定你要判断这个Series里的所有元素还是任意元素，所以抛出了这个模糊性错误。

针对你的需求（匹配相同商品名称并执行价格分析），用Pandas的merge关联两个DataFrame是更高效且符合Pandas idiomatic的方式，比循环遍历要简洁得多，也能避免这类错误。下面是重构后的代码和思路：

核心思路 #

1. 用merge将新爬取的df和历史Excel的df1按Item Name做内连接，直接得到所有名称匹配的商品行对。
2. 针对每一对匹配的行，处理不同的价格可用场景（原价/折扣价是否为"Not Available"），计算价格差异。
3. 更新df1中的价格（如果新价格更便宜），同时收集价格下降的记录到cheap_cheap。
4. 处理df中未在df1出现的商品（可选，根据你的需求决定是否添加到历史数据）。

修改后的代码 #

import pandas as pd
import asyncio

# 假设pricecompare是你已经定义好的价格比较函数，比如返回新价格减旧价格的数值
def pricecompare(new_price, old_price):
    # 这里需要把字符串价格转成数值，比如去掉货币符号、逗号等
    new = float(new_price.replace('$', '').replace(',', ''))
    old = float(old_price.replace('$', '').replace(',', ''))
    return new - old

def pricemonitor(category):
    global cheap_cheap
    # 执行爬取，得到新的df（这里假设searching函数返回爬取后的DataFrame）
    df = asyncio.run(searching(category))
    # 读取历史Excel数据
    df1 = pd.read_excel(f"C:\\Users\\N\\PycharmProjects\\pythonProject\\Scrapped results\\{category}.xlsx")
    
    # 初始化价格下降记录DataFrame
    if 'cheap_cheap' not in globals():
        cheap_cheap = pd.DataFrame(columns=["Item Name", "New Price", "Old Price", "Amount difference"])
    
    # 1. 关联两个DataFrame，找到名称匹配的商品
    merged = pd.merge(df, df1, on="Item Name", suffixes=('_new', '_old'), how='inner')
    
    # 2. 遍历匹配的行，处理价格比较和更新
    for idx, row in merged.iterrows():
        item_name = row["Item Name"]
        # 定义各价格变量
        new_item_price = row["Item Price_new"]
        new_disc_price = row["Discounted Price_new"]
        old_item_price = row["Item Price_old"]
        old_disc_price = row["Discounted Price_old"]
        
        cheaper = None
        new_price = None
        old_price = None
        
        # 场景1：原价和折扣价都可用
        if (new_item_price != "Not Available" and new_disc_price != "Not Available" and
            old_item_price != "Not Available" and old_disc_price != "Not Available"):
            cheaper = pricecompare(new_disc_price, old_disc_price)
            new_price = new_disc_price
            old_price = old_disc_price
        # 场景2：只有原价可用
        elif new_item_price != "Not Available" and old_item_price != "Not Available":
            cheaper = pricecompare(new_item_price, old_item_price)
            new_price = new_item_price
            old_price = old_item_price
        # 场景3：只有折扣价可用
        elif new_disc_price != "Not Available" and old_disc_price != "Not Available":
            cheaper = pricecompare(new_disc_price, old_disc_price)
            new_price = new_disc_price
            old_price = old_disc_price
        else:
            # 无可用价格，跳过
            continue
        
        # 如果新价格更便宜（cheaper为负，因为new - old < 0）
        if cheaper < 0:
            # 记录价格变化
            cheap_row = pd.DataFrame({
                "Item Name": [item_name],
                "New Price": [new_price],
                "Old Price": [old_price],
                "Amount difference": [cheaper]
            })
            cheap_cheap = pd.concat([cheap_cheap, cheap_row], ignore_index=True)
            
            # 更新df1中的对应价格
            if new_price == new_disc_price:
                df1.loc[df1["Item Name"] == item_name, "Discounted Price"] = new_disc_price
            else:
                df1.loc[df1["Item Name"] == item_name, "Item Price"] = new_item_price
    
    # 可选：把df中未在df1出现的商品添加到df1中（如果需要扩充历史数据）
    new_items = df[~df["Item Name"].isin(df1["Item Name"])]
    df1 = pd.concat([df1, new_items], ignore_index=True)
    
    # 保存更新后的df1回Excel
    df1.to_excel(f"C:\\Users\\N\\PycharmProjects\\pythonProject\\Scrapped results\\{category}.xlsx", index=False)

关键改进点 #

• 避免循环遍历单个值：用merge直接关联匹配的商品，比你原来的循环更高效，尤其是数据量大的时候。
• 修复变量名冲突：原来的函数参数x和循环变量x重名，现在改成category避免混淆。
• 明确价格场景处理：把不同的价格可用情况拆分成清晰的条件分支，逻辑更易读。
• 正确更新df1：用df1.loc[df1["Item Name"] == item_name, ...]精准定位要更新的行，避免批量赋值错误。
• 初始化全局变量：添加了cheap_cheap的初始化逻辑，防止第一次运行时变量未定义。

另外，还要注意pricecompare函数需要正确处理字符串格式的价格（比如去掉货币符号、千位分隔符），如果你的价格格式不同，需要调整这个函数的逻辑。

内容的提问来源于stack exchange，提问作者NZH