Pandas中assign结合lambda时Series条件判断报错的解决方法

为什么会报错？ #

你在assign的lambda里，参数x是整个DataFrame对象，不是单独一行数据，所以x['str']返回的是整个str列的Series，不是单个元素。直接用if (x['str'] < 1105)相当于要判断一整列布尔值的真假——Pandas根本不知道你要的是“任意一个元素满足就行”还是“所有元素都得满足”，所以抛出这个歧义错误。

正确实现方式 #

推荐用矢量化操作（Pandas最优实践，速度远快于逐行处理）：

方法1：用numpy.where（最通用）

直接在assign里调用np.where，按条件选择对应列的值：

import numpy as np
import pandas as pd

# 构造DataFrame的代码不变
df = pd.DataFrame({'str': [700,705,710,715,720,1095,1100,1105,1110,1115,1120,1125,1130,1135,1205,1210,1215,1220,1225,1230,1235,1240,1245,1250,1255],
 'P': [0.075,0.075,0.075,0.075,0.075,17.95,19.75,21.85,24.25,26.55,29.2,31.9,35.05,37.7,98.6,102.15,108.5,113.5,118.4,123.55,127.3,132.7,138.7,142.7,148.35],
 'C': [407.8,403.65,398.3,391.65,387.8,30.05,26.65,23.7,21.35,19.65,16.05,14.3,11.95,9.95,0.475,0,0.525,0,0.2,0.175,0.15,0.375,0.125,0.075,0.175]})

# 正确的条件赋值
df = df.assign(ot=lambda x: np.where(x['str'] < 1105, x['P'], x['C']))
print(df)

方法2：用Pandas的Series.where

逻辑是：当条件满足时保留当前Series的值，否则替换为另一列的值：

df = df.assign(ot=lambda x: x['P'].where(x['str'] < 1105, x['C']))

方法3：逐行处理（不推荐，大数据量慢）

如果非要逐行判断，用apply并指定axis=1，此时lambda的参数会是单独一行：

df = df.assign(ot=lambda x: x.apply(lambda row: row['P'] if row['str'] < 1105 else row['C'], axis=1))

总结 #

Pandas的assign方法中，lambda接收的是整个DataFrame，不是单一行。做条件赋值时优先用矢量化工具，避免用Python原生if-else直接判断Series，既高效又符合Pandas的设计逻辑。

内容的提问来源于stack exchange，提问作者JeeyCi