使用Pandas匹配CSV中drug1与drug2时遇ValueError的解决方法

问题背景 #

现有CSV数据结构如下（分隔符为|）：

drug1   |drug2  |chem       |enzym  |indication |offside |pathway|sideeffect|target|transporter
DB00945 |DB00526|0.217391304|0      |0          |0.139664804|0   |0.470588235|0    |0

需求是通过Pandas查询指定drug1与userDrugs列表中每个drug2的组合，提取特征字段后用模型预测结果。原代码运行时触发ValueError: The truth value of a Series is ambiguous错误。

错误原因 #

1. 逻辑运算符误用：Python原生and要求单个布尔值，而Pandas中df['drug1']==drugName返回的是布尔Series，需用Pandas支持的按位与运算符&，且每个条件需加括号保证运算优先级。
2. CSV分隔符错误：原代码用sep=","，但实际数据分隔符是|，会导致读取后列名和数据混乱。
3. 多列选取语法错误：选取多列需用双层方括号[['列名1', ...]]，单层方括号会触发KeyError。

修复后的完整代码 #

import pandas as pd

def getData(drugName, userDrugs):
    # 修正分隔符为|，并去除单元格前后空格
    data = pd.read_csv(r"C:\Users\soso-\Desktop\python & flutter\drug data.csv", sep="|", skipinitialspace=True)
    df = pd.DataFrame(data)
    # 提前定义特征列列表，避免重复书写
    feature_cols = ['chem','enzym','indication','offside','pathway','sideeffect','target','transporter']
    
    for drug2 in userDrugs:
        # 用&替代and，给每个条件加括号
        mask = (df['drug1'] == drugName) & (df['drug2'] == drug2)
        similarities = df.loc[mask, feature_cols]
        
        # 检查是否匹配到数据，避免模型预测空值报错
        if not similarities.empty:
            # 将数据转换为模型要求的格式（比如二维数组）
            result = loaded_model.predict(similarities.values)
            print(f"组合 {drugName} & {drug2} 的预测结果: {result}")
        else:
            print(f"未找到 {drugName} & {drug2} 的匹配数据")

# 调用示例
getData('DB00945', ['DB00454','DB00952'])

关键修改点说明 #

• CSV读取优化：sep="|"匹配实际分隔符，skipinitialspace=True自动去除单元格前后的空格（比如DB00945 |中的空格）。
• 条件筛选修正：用&连接布尔条件，每个条件加括号确保逻辑正确。
• 数据安全判断：增加similarities.empty检查，避免模型传入空数据导致报错。
• 代码可读性优化：提前定义特征列列表，循环变量名改为drug2更直观。

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