基于Pandas列值条件相加生成新列时遇ValueError问题求助

现有如下Pandas DataFrame：

import pandas as pd
import numpy as np

d = {'country' : ['us','uk','au','ca'],
     'influencer' : [3000,304,100,10],
     'platform' : [87,87,87,87]}

df = pd.DataFrame(d)

需要新增一列influencer_updated，根据不同的country值对influencer和platform列进行条件计算：

• 当country为us时，计算规则：influencer + platform * 0.5
• 当country为uk或au时，计算规则：influencer + platform * 0.25
• 其他情况直接取influencer的值

尝试了以下代码但报错：

if df[(df['country'] == 'us')]:
    df['influencer_updated'] = df['influencer'] + df['platform'] * 0.5
elif df[(df['country'] == 'uk') & (df['country'] == 'au')]:
    df['influencer_updated'] = df['influencer'] + df['platform'] * 0.25
else:
    df['influencer_updated'] = df['influencer']

错误信息：

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

1. 布尔索引的真值判断问题：df[(df['country'] == 'us')]返回的是筛选后的DataFrame，直接用if判断整个DataFrame的真值会导致歧义——Pandas无法确定你要判断DataFrame是否为空、全为True还是其他逻辑，因此抛出该错误。
2. 条件逻辑错误：df['country'] == 'uk' & df['country'] == 'au'逻辑矛盾，一个country值不可能同时等于uk和au，应使用|（或）或isin()判断是否属于这两个值之一。

方法1：使用np.select（推荐，清晰直观） #

np.select可根据多组条件和对应计算规则批量赋值，适配多分支场景：

import pandas as pd
import numpy as np

d = {'country' : ['us','uk','au','ca'],
     'influencer' : [3000,304,100,10],
     'platform' : [87,87,87,87]}

df = pd.DataFrame(d)

# 定义条件列表
conditions = [
    df['country'] == 'us',
    df['country'].isin(['uk', 'au'])
]

# 定义对应条件的计算规则
values = [
    df['influencer'] + df['platform'] * 0.5,
    df['influencer'] + df['platform'] * 0.25
]

# 赋值，默认值为influencer本身
df['influencer_updated'] = np.select(conditions, values, default=df['influencer'])

方法2：使用loc逐条件赋值 #

通过loc定位符合条件的行逐组赋值，是Pandas修改数据的标准方式：

# 先初始化列为默认值
df['influencer_updated'] = df['influencer']

# 给country为us的行赋值
df.loc[df['country'] == 'us', 'influencer_updated'] = df['influencer'] + df['platform'] * 0.5

# 给country为uk或au的行赋值
df.loc[df['country'].isin(['uk', 'au']), 'influencer_updated'] = df['influencer'] + df['platform'] * 0.25

方法3：使用apply函数（适合复杂逻辑，性能略低） #

若逻辑更复杂，可通过apply逐行处理：

def calculate_updated(row):
    if row['country'] == 'us':
        return row['influencer'] + row['platform'] * 0.5
    elif row['country'] in ['uk', 'au']:
        return row['influencer'] + row['platform'] * 0.25
    else:
        return row['influencer']

df['influencer_updated'] = df.apply(calculate_updated, axis=1)

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