如何修复处理DataFrame时Python列表推导式的ValueError错误？

你的核心问题是列表推导式里没有把年龄和分数逐行对应起来，直接操作整个Series导致了歧义错误，修改后的代码逻辑也不对，所以筛选没生效。

错误原因拆解 #

1. 第一段代码里，df['Age'] < 18返回的是一个和DataFrame行数相同的布尔Series，而你遍历的是df['score']的单个元素，df['Age'] < 18 in row完全是逻辑错误——既没有逐行匹配年龄，也把布尔Series和单个分数做了错误的包含判断，Pandas无法确定你要判断整个Series的什么真值，所以抛出ValueError。
2. 第二段代码里的(df['Age'] < 18).item（注意.item是属性不是方法，正确调用是.item()）只能取布尔Series的第一个元素，之后所有分数都用这个单一值做判断，自然会返回所有分数，筛选无效。

正确的列表推导式写法 #

要同时遍历年龄列和分数列，用zip把对应行的年龄和分数配对：

# 生成仅包含18岁以下分数的列表（注意：若直接赋值给DataFrame列，需保证长度匹配）
df['scoreunder18'] = [score for age, score in zip(df['Age'], df['score']) if age < 18]

如果是要给原DataFrame新增一列，标记18岁以下的分数（年龄≥18的行留空/NaN），应该写成：

df['scoreunder18'] = [score if age < 18 else None for age, score in zip(df['Age'], df['score'])]

更符合Pandas风格的替代方案 #

虽然你要求用列表推导，但其实Pandas本身的向量化操作更高效：

df['scoreunder18'] = df['score'].where(df['Age'] < 18)

这行代码会自动把年龄≥18的行的scoreunder18设为NaN，和上面的列表推导效果一致，而且性能更好。

内容的提问来源于stack exchange，提问作者sushicore