Dataframe添加列报错ValueError：Series真值判断歧义问题求助

问题背景 #

数据源为2019年立陶宛总统选举第二轮投票结果CSV，其中PAVARDE为立陶宛语“姓氏”字段。尝试添加winner列标记当选总统时，触发错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()

用户编写的代码如下：

def status(person):
    PAVARDE = person
    if PAVARDE == 'NAUSĖDA':
        return 'President'
    else:
        return 'looser'

president_df['winner'] = president_df[['PAVARDE']].apply(status,axis=1)

问题原因 #

president_df[['PAVARDE']]返回的是单列Dataframe，使用apply(axis=1)时，传入status函数的person是一个Series对象（包含整行的单列数据），而非单个字符串值。此时PAVARDE == 'NAUSĖDA'会生成一个布尔Series，if语句无法判断整个Series的真值，因此抛出歧义错误。

解决方法 #

方法1：修改列选取方式（推荐） #

使用单括号president_df['PAVARDE']返回Series，这样apply会将每个单元格的字符串值传入函数：

def status(person):
    if person == 'NAUSĖDA':
        return 'President'
    else:
        return 'looser'

president_df['winner'] = president_df['PAVARDE'].apply(status)

方法2：在函数中提取Series的具体值 #

如果需要保留双括号的Dataframe选取方式，可在函数中提取Series的第一个元素：

def status(person):
    pavarde_value = person.iloc[0]
    if pavarde_value == 'NAUSĖDA':
        return 'President'
    else:
        return 'looser'

president_df['winner'] = president_df[['PAVARDE']].apply(status, axis=1)

方法3：向量化操作（性能最优） #

避免使用apply，改用向量化方法处理，效率更高：

# 使用numpy.where
import numpy as np
president_df['winner'] = np.where(president_df['PAVARDE'] == 'NAUSĖDA', 'President', 'looser')

# 或者使用Series.map
president_df['winner'] = president_df['PAVARDE'].map({'NAUSĖDA': 'President'}).fillna('looser')

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