如何修复多条件赋值DataFrame列时的Series真值歧义错误？

错误原因分析 #

1. Series布尔值歧义：直接用if判断整个Series，pandas无法确定你要判断的是Series全为True、全为False还是存在True，因此抛出歧义错误。
2. 赋值运算符错误：代码中用了==（比较运算符）而非=（赋值运算符），根本没有对value列进行赋值操作。
3. 逻辑运算符错误：Python的and是针对单个布尔值的逻辑运算，pandas Series需要用元素级的&运算符，同时要注意用括号包裹每个条件，避免优先级问题。

修复后的代码（两种实现方式） #

方式1：使用loc索引逐条件赋值

import pandas as pd

# 避免用内置函数名list作为变量名
df_list = [df1, df2, df3, df4]
grp_list = ["con", "eco", "dip", "pol"]

for df in df_list:
    # 先将value列初始化为默认值0
    df['value'] = 0
    # 条件1：pgp在目标列表中且与egp相等，赋值1
    df.loc[(df['pgp'].isin(grp_list)) & (df['pgp'] == df['egp']), 'value'] = 1
    # 条件2：pgp不在目标列表中，赋值2
    df.loc[~df['pgp'].isin(grp_list), 'value'] = 2

方式2：使用np.select批量赋值（更简洁）

import pandas as pd
import numpy as np

df_list = [df1, df2, df3, df4]
grp_list = ["con", "eco", "dip", "pol"]

for df in df_list:
    # 定义条件列表和对应结果值
    conditions = [
        (df['pgp'].isin(grp_list)) & (df['pgp'] == df['egp']),
        ~df['pgp'].isin(grp_list)
    ]
    result_values = [1, 2]
    # 按条件赋值，未匹配的行用默认值0
    df['value'] = np.select(conditions, result_values, default=0)

说明 #

两种方法都是pandas推荐的向量化操作，比逐行循环效率高得多，完全符合你的期望输出逻辑：

• 当pgp在grp_list中且pgp == egp时，value为1
• 当pgp不在grp_list中时，value为2
• 其他情况（pgp在列表中但不等于egp），value为0

内容的提问来源于stack exchange，提问作者user19840753