基于字典列表条件修改Pandas DataFrame列值的问题

你遇到的问题核心是：直接用Pandas Series和列表做in判断时，Pandas无法解析这种“模糊真值”——因为owners['Location']是包含多行数据的Series，而非单个值，in操作符无法直接对整个Series生效，所以抛出了ValueError。

下面提供两种简洁高效的解决方法，都能实现你要的效果：

方法1：使用apply逐行处理 #

通过apply对Location列的每个元素单独做判断，生成对应宠物列的Yes/No值：

for pet, allowed_locations in pets.items():
    owners[pet] = owners['Location'].apply(lambda loc: 'Yes' if loc in allowed_locations else 'No')

apply会遍历Location列的每一行，将单个位置值传入lambda函数，判断是否在该宠物允许的地点列表中，返回对应的字符串标记。

方法2：向量化isin操作（推荐，大数据量更高效） #

利用Pandas的向量化APIisin批量判断，再将布尔值映射为Yes/No，这种方法避免了逐行循环，性能更优：

for pet, allowed_locations in pets.items():
    # 先生成布尔Series：True表示位置在允许列表中
    is_allowed = owners['Location'].isin(allowed_locations)
    # 将布尔值映射为Yes/No
    owners[pet] = is_allowed.map({True: 'Yes', False: 'No'})

执行任意一种方法后，owners DataFrame都会符合你的预期：

为什么原代码失败？ #

原代码中owners['Location'] in pets[pet]试图将整个Series与列表做包含判断，Pandas无法确定你要的是“所有位置都在列表中”还是“至少一个位置在列表中”，因此抛出模糊真值的错误。必须针对Series的每个元素单独判断，或者使用Pandas提供的向量化方法来处理批量逻辑。

内容的提问来源于stack exchange，提问作者Andrew Staroscik