Pandas报错：Series的真值判断模糊，求基于行号生成新列的解决方法

你遇到的truth value of a Series is ambiguous错误，是因为代码尝试将**单行数据（Series）与多行数据子集（DataFrame）**直接比较，这种比较会返回布尔型DataFrame，而Pandas无法将整个DataFrame的布尔值判断为单一的True/False，导致if语句无法执行。

另外，你的逻辑是想根据行号分类，但代码里却在比较行内容是否等于某子集的内容，完全偏离了目标——你应该检查的是当前行的索引（行号），而非行数据。

方案1：利用行索引修改apply函数 #

修改函数，直接通过行的索引（行号）判断分类：

import pandas as pd
shop = pd.DataFrame.from_dict(data)

def cate_shop(row_index):
    if row_index < 4:
        return 'Service'
    elif 4 <= row_index < 140:
        return 'Food & Beverage'
    elif 140 <= row_index < 173:
        return 'Fashion'
    elif 173 <= row_index < 197:
        return 'Electronics'
    return 'Other'

# 通过row.name获取当前行的索引
shop['category'] = shop.apply(lambda row: cate_shop(row.name), axis=1)

方案2：使用np.select（推荐，效率更高） #

对于大型DataFrame，np.select是向量化操作，比逐行apply快得多：

import pandas as pd
import numpy as np
shop = pd.DataFrame.from_dict(data)

# 定义条件列表
conditions = [
    shop.index < 4,
    (shop.index >= 4) & (shop.index < 140),
    (shop.index >= 140) & (shop.index < 173),
    (shop.index >= 173) & (shop.index < 197)
]

# 对应条件的分类结果
choices = [
    'Service',
    'Food & Beverage',
    'Fashion',
    'Electronics'
]

# 生成新列，默认值为'Other'
shop['category'] = np.select(conditions, choices, default='Other')

方案3：使用pd.cut（适合连续区间分类） #

如果行号是连续的0-based索引，用pd.cut可以更简洁地实现区间划分：

import pandas as pd
shop = pd.DataFrame.from_dict(data)

# 定义区间边界，左闭右开，include_lowest=True确保第一个区间包含0
bins = [0, 4, 140, 173, 197, shop.index.max() + 1]
labels = ['Service', 'Food & Beverage', 'Fashion', 'Electronics', 'Other']

shop['category'] = pd.cut(shop.index, bins=bins, labels=labels, include_lowest=True)

内容的提问来源于stack exchange，提问作者Bee