Pandas分组后添加父ID名称列报错：Series真值判断歧义

原始代码 #

import pandas as pd
import numpy as np
  
testdf=pd.DataFrame({'id':[1,3,4,16,17,2,52,53,54,55],\
                     'name':['Furniture','dining table','sofa','chairs','hammock','Electronics','smartphone','watch','laptop','earbuds'],\
                     'parent_id':[np.nan,1,1,1,1,np.nan,2,2,2,2]})

testdf['parent_id_name'] = testdf.groupby('parent_id').transform(lambda x: testdf['name'] if (testdf['id']==testdf['parent_id']) else '')

原始DataFrame #

id          name  parent_id
 1     Furniture        NaN
 3  dining table        1.0
 4          sofa        1.0
16        chairs        1.0
17       hammock        1.0
 2   Electronics        NaN
52    smartphone        2.0
53         watch        2.0
54        laptop        2.0
55       earbuds        2.0

期望输出 #

parent_id_name    id      name                parent_id
Furniture         3       dining table        1.0
Furniture         4       sofa                1.0
Furniture        16       chairs              1.0
Furniture        17       hammock             1.0
Electronics      52       smartphone          2.0
Electronics      53       watch               2.0
Electronics      54       laptop              2.0
Electronics      55       earbuds             2.0

错误信息 #

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

错误原因 #

你用groupby.transform时，lambda里的testdf['id']==testdf['parent_id']是对整个DataFrame的两列做比较，返回的是布尔值Series，但if语句需要单个布尔值，导致判断歧义，触发ValueError。而且这个场景根本不需要groupby，本质是根据parent_id匹配对应id的name，用映射或自连接更高效。

解决方案 #

方法1：字典映射（简洁高效） #

先构建id到name的映射字典，再用parent_id匹配父级名称，最后过滤掉无父级的行：

import pandas as pd
import numpy as np

testdf = pd.DataFrame({
    'id': [1,3,4,16,17,2,52,53,54,55],
    'name': ['Furniture','dining table','sofa','chairs','hammock','Electronics','smartphone','watch','laptop','earbuds'],
    'parent_id': [np.nan,1,1,1,1,np.nan,2,2,2,2]
})

# 创建id到name的映射字典
id_name_map = testdf.set_index('id')['name'].to_dict()

# 匹配父级名称
testdf['parent_id_name'] = testdf['parent_id'].map(id_name_map)

# 过滤无父级的行，调整列顺序并重置索引
result = testdf.dropna(subset=['parent_id'])[['parent_id_name', 'id', 'name', 'parent_id']].reset_index(drop=True)
print(result)

方法2：自连接（适合复杂关联场景） #

通过DataFrame自连接，将parent_id与另一表的id关联，直接获取父级名称：

import pandas as pd
import numpy as np

testdf = pd.DataFrame({
    'id': [1,3,4,16,17,2,52,53,54,55],
    'name': ['Furniture','dining table','sofa','chairs','hammock','Electronics','smartphone','watch','laptop','earbuds'],
    'parent_id': [np.nan,1,1,1,1,np.nan,2,2,2,2]
})

# 自连接匹配父级名称
result = testdf.merge(
    # 重命名列，用于关联
    testdf[['id', 'name']].rename(columns={'id': 'parent_id', 'name': 'parent_id_name'}),
    on='parent_id',
    how='inner'  # 只保留有父级的行
)[['parent_id_name', 'id', 'name', 'parent_id']]

print(result)

两种方法都能输出符合预期的结果，且逻辑清晰、性能优于原代码。

内容的提问来源于stack exchange，提问作者itsavy