创建接收DataFrame参数的函数返回最值时遇ValueError问题求助

错误原因 #

1. 变量名混淆：你定义了temp_dict但后续误用了temp_df，这会直接触发NameError；而你遇到的ValueError核心原因是——
2. Series的模糊布尔判断：传入函数的df.a、df.b等都是pandas的Series对象，当尝试用sorted对字典排序时，字典的值是Series，排序逻辑会尝试判断Series的布尔值，而pandas无法直接确定整个Series的布尔结果，因此抛出ValueError: The truth value of a Series is ambiguous。
3. 函数不符合需求：要求函数以DataFrame为参数，但当前函数是接收四个独立的Series参数。

修正方案 #

直接利用pandas内置方法，简洁高效实现需求：

import pandas as pd

def get_min_max_cols(df):
    # 获取每行最小值对应的列名
    min_col_names = df.idxmin(axis=1)
    # 获取每行最大值对应的列名
    max_col_names = df.idxmax(axis=1)
    return min_col_names, max_col_names

# 示例使用
df = pd.DataFrame({
    'a': [1, 5, 3],
    'b': [2, 1, 4],
    'c': [3, 2, 1],
    'd': [4, 3, 2]
})
df['min'], df['max'] = get_min_max_cols(df)
print(df)

手动实现版本（不用内置方法） #

如果想手动处理每行数据，可逐行迭代：

def get_min_max_cols(df):
    min_cols = []
    max_cols = []
    for _, row in df.iterrows():
        # 将行数据转为键值对并按值排序
        sorted_row = sorted(row.items(), key=lambda x: x[1])
        min_cols.append(sorted_row[0][0])
        max_cols.append(sorted_row[-1][0])
    return pd.Series(min_cols), pd.Series(max_cols)

原代码适配版本（保留参数形式） #

如果一定要保留原函数的参数形式，需对每行数据应用函数：

def sort_value(a, b, c, d):
    temp_dict = {'a':a, 'b':b, 'c':c, 'd':d}
    # 按值排序键值对
    sorted_items = sorted(temp_dict.items(), key=lambda item: item[1])
    return sorted_items[0][0], sorted_items[-1][0]

# 对每行应用函数
df[['min', 'max']] = df.apply(lambda row: sort_value(row['a'], row['b'], row['c'], row['d']), axis=1, result_type='expand')

内容的提问来源于stack exchange，提问作者Kiran Kumar