Python DataFrame计算报错咨询：IndexError与TypeError问题排查

原代码报错原因 #

• if df['lei_vigorous_binary'] == 1的判断逻辑错误：df['lei_vigorous_binary'] ==1会生成一个布尔类型的Series（每个元素对应一行的判断结果），但if语句要求的是单个布尔值，而非整个Series。由于Series是可变对象，无法被哈希，因此触发TypeError: 'Series' objects are mutable, thus they cannot be hashed。

修改后代码报错原因 #

1. 维度不匹配：df.loc[df['lei_vigorous_binary'] == 1, ]中逗号后留空表示选中符合条件的整行所有列，但右侧赋值的是单个Series（仅为计算后的分钟数），两者维度不一致，导致IndexError: tuple index out of range。
2. 筛选条件错误：第二行代码中df.loc[df['lei_vigorous_frequency'] == 1, 'lei_vigorous_frequency']的筛选条件应为lei_vigorous_binary ==1，而非lei_vigorous_frequency ==1，这会导致筛选出的行范围与左侧不匹配，进一步加剧维度冲突。
3. 赋值对象错误：你的目标是更新lei_vig_min和lei_vig_met_min这两列，而非整行数据，因此必须在loc的第二个参数中明确指定列名。

正确写法示例 #

方法一：使用loc分步赋值 #

# 先初始化两列，处理非1的情况
df['lei_vig_min'] = df['lei_vigorous_duration_mn']
df['lei_vig_met_min'] = df['lei_vig_min'] * df['lei_vigorous_frequency'] * 8

# 筛选出需要更新的行
mask = df['lei_vigorous_binary'] == 1
# 更新对应列的值
df.loc[mask, 'lei_vig_min'] = df.loc[mask, 'lei_vigorous_duration_hr'] * 60 + df.loc[mask, 'lei_vigorous_duration_mn']
df.loc[mask, 'lei_vig_met_min'] = df.loc[mask, 'lei_vig_min'] * df.loc[mask, 'lei_vigorous_frequency'] * 8

方法二：使用np.where简化代码 #

import numpy as np

# 直接根据条件生成lei_vig_min列
df['lei_vig_min'] = np.where(
    df['lei_vigorous_binary'] == 1,
    df['lei_vigorous_duration_hr'] * 60 + df['lei_vigorous_duration_mn'],
    df['lei_vigorous_duration_mn']
)
# 计算met_min列
df['lei_vig_met_min'] = df['lei_vig_min'] * df['lei_vigorous_frequency'] * 8

内容的提问来源于stack exchange，提问作者Not a Wrench