NumPy报错：数组真值判断歧义，求助解决方法（附代码）

报错原因 #

你调用np.apply_along_axis时，传入getbool的参数x是数组切片（而非单个元素），执行x > 5会生成一个布尔数组，if语句无法直接判断整个数组的布尔值，因此触发"真值歧义"报错。

解决方案 #

方案1：用numpy原生向量化操作（推荐，效率最高）

直接抛弃apply_along_axis和自定义函数，用numpy内置的向量化运算实现需求，代码简洁且性能最优：

dts1['NewCol'] = (x > 5).astype(int)

解释：x > 5会对数组每个元素做判断，生成布尔数组；astype(int)将True转为1，False转为0，完全匹配你的需求。

方案2：用np.vectorize包装自定义函数

如果一定要保留getbool函数，可以用np.vectorize将其转为能处理数组的函数：

def getbool(x):
    if x > 5: 
        return 1
    else: 
        return 0

vectorized_getbool = np.vectorize(getbool)
dts1['NewCol'] = vectorized_getbool(x)

注意：np.vectorize是语法糖，底层仍为循环，性能不如原生向量化操作。

方案3：修改自定义函数适配数组输入

调整getbool函数，直接对数组做处理，无需if判断：

def getbool(x):
    return (x > 5).astype(int)

dts1['NewCol'] = np.apply_along_axis(getbool, axis=0, arr=x)

此方案虽能解决报错，但仍不如方案1高效。

内容的提问来源于stack exchange，提问作者Medina Campero