基于值长度条件为Pandas DataFrame列赋值的问题及报错

问题需求 #

基于现有列df_dr_dp_lj['kode_wilayah']的字符串长度，创建两个新列：

• kode_kelurahan：存储长度大于8的kode_wilayah值
• kode_kecamatan：存储长度小于等于8的kode_wilayah值

尝试的错误代码 #

if df_dr_dp_lj['kode_wilayah'].str.len() > 8:
    df_dr_dp_lj['kode_kelurahan']=df_dr_dp_lj['kode_wilayah']
else :
    df_dr_dp_lj['kode_kecamatan']=df_dr_dp_lj['kode_wilayah']

报错信息 #

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

报错原因 #

直接用if判断Pandas Series的布尔值是不允许的——Series是一组布尔值集合，Pandas无法确定你要判断任意一个还是全部元素满足条件，因此抛出模糊性错误。必须使用Pandas支持的矢量化操作实现逐行条件赋值。

正确解决方案 #

方法1：使用np.where实现矢量化赋值 #

import numpy as np

# 给kode_kelurahan赋值：长度>8时取原值，否则为NaN
df_dr_dp_lj['kode_kelurahan'] = np.where(
    df_dr_dp_lj['kode_wilayah'].str.len() > 8,
    df_dr_dp_lj['kode_wilayah'],
    np.nan
)

# 给kode_kecamatan赋值：长度<=8时取原值，否则为NaN
df_dr_dp_lj['kode_kecamatan'] = np.where(
    df_dr_dp_lj['kode_wilayah'].str.len() <= 8,
    df_dr_dp_lj['kode_wilayah'],
    np.nan
)

方法2：使用loc索引逐条件赋值 #

import numpy as np

# 先初始化两列为NaN
df_dr_dp_lj['kode_kelurahan'] = np.nan
df_dr_dp_lj['kode_kecamatan'] = np.nan

# 按条件给对应列赋值
df_dr_dp_lj.loc[df_dr_dp_lj['kode_wilayah'].str.len() > 8, 'kode_kelurahan'] = df_dr_dp_lj['kode_wilayah']
df_dr_dp_lj.loc[df_dr_dp_lj['kode_wilayah'].str.len() <= 8, 'kode_kecamatan'] = df_dr_dp_lj['kode_wilayah']

后续异常问题排查（长度>8数据异常） #

若使用上述方案后仍存在异常，可按以下步骤排查：

• 检查数据类型：确保kode_wilayah是字符串类型，若为数值型需先转换：

  df_dr_dp_lj['kode_wilayah'] = df_dr_dp_lj['kode_wilayah'].astype(str)
  

• 清理字符串空格：去除首尾空格或不可见字符，避免长度计算错误：

  df_dr_dp_lj['kode_wilayah'] = df_dr_dp_lj['kode_wilayah'].str.strip()
  

• 查看异常数据详情：打印长度>8的所有数据，分析具体问题：

  print(df_dr_dp_lj[df_dr_dp_lj['kode_wilayah'].str.len() > 8])
  

内容的提问来源于stack exchange，提问作者PiPio