处理含字符串与数值的DataFrame列时赋值报错的解决方法

你写的代码里直接用if df['A']!='n.a.'判断整个Series，这在Pandas里行不通。因为df['A']!='n.a.'返回的是一个包含True/False的布尔Series，Pandas没法把一整组布尔值判定为单一的“真”或“假”，所以会抛出那个真值不明确的错误。普通的if语句只能处理单个值，不能直接套在Series上。

给你三种靠谱的实现方式，按需选择：

方法1：用numpy.where（推荐，处理大数据更快） #

先把条件写清楚，批量赋值：

import numpy as np
import pandas as pd

date = "15/2/2022"
# 构造条件：要么是"n.a"，要么转成数值后小于1
condition = (df['A'] == 'n.a') | (pd.to_numeric(df['A'], errors='coerce') < 1)
# 满足条件就设为date，否则设为"n.a."
df['New col'] = np.where(condition, date, 'n.a.')

这里用pd.to_numeric把A列转成数值，转失败的"n.a"会变成NaN，不过我们已经单独把"n.a"的情况放进条件里了，逻辑不会出错。

方法2：用df.loc批量修改 #

先初始化新列，再定位符合条件的行修改：

import pandas as pd

date = "15/2/2022"
# 先把新列全设为"n.a."
df['New col'] = 'n.a.'
# 找出需要改的行
mask = (df['A'] == 'n.a') | (pd.to_numeric(df['A'], errors='coerce') < 1)
# 给这些行赋值date
df.loc[mask, 'New col'] = date

方法3：用apply逐行处理（适合逻辑简单的小数据） #

给每个元素单独判断：

date = "15/2/2022"

def set_new_col(val):
    if val == 'n.a':
        return date
    # 尝试转成数值判断
    try:
        num = float(val)
        if num < 1:
            return date
        elif num == 1:
            return 'n.a.'
    # 遇到其他意外值也返回date（可根据需求调整）
    except:
        return date

df['New col'] = df['A'].apply(set_new_col)

内容的提问来源于stack exchange，提问作者Alex