基于多列布尔值更新DataFrame的Verified Account列报错解决

首先来说说你出错的原因：你在df.apply()的lambda函数里用了df['Col1']这种写法，这会直接引用整个Col1列的所有数据（一个布尔数组），而不是当前行的单个值。当你尝试把这个数组和标量做or逻辑判断时，Python就会抛出那个类型错误——它没法把数组和单个布尔值做逻辑运算。

下面给你两种可行的解决方案，优先推荐第一种（效率更高）：

方法一：用向量化操作（推荐） #

这种方法不用逐行循环，利用Pandas的向量化特性，处理大数据集速度快很多：

# 定义需要检查的列列表
check_cols = ['Col1', 'Col2', 'Col3', 'Col4', 'Col5']
# 1. 把每个单元格和'True'比较，得到布尔值矩阵
# 2. 按行判断是否有至少一个True（any(axis=1)）
# 3. 把布尔结果转为字符串的'True'/'False'
df['Verified Account'] = df[check_cols].eq('True').any(axis=1).astype(str)

方法二：修正apply的写法 #

如果你一定要用apply，记得在lambda里用x来访问当前行的列值，并且指定axis=1（按行处理）：

df['Verified Account'] = df.apply(
    lambda x: 'True' if x['Col1'] == 'True' or x['Col2'] == 'True' or x['Col3'] == 'True' or x['Col4'] == 'True' or x['Col5'] == 'True' else 'False',
    axis=1
)

不过这种方法是逐行处理，数据量大的时候性能会比向量化操作差不少。

额外提示 #

如果你的Col1-Col5实际存储的是布尔类型（不是字符串'True'/'False'），可以简化代码，去掉.eq('True')，直接用df[check_cols].any(axis=1).astype(str)即可。

内容的提问来源于stack exchange，提问作者user12809368