Pandas中for循环if语句写入嵌套字典报错及优化问询

需求说明 #

• 检查Existing Customers列（注：原代码中列名写为Existing Customer，与数据集列名不一致，需统一）
• 若列值为True则跳过该行
• 若列值为False，检查Email Opt-In列，若为空字符串则将错误信息写入嵌套字典errors

示例数据集 #

import pandas as pd

data = {
    'Existing Customers': ['True', 'False', 'True', 'False', 'False'],
    'Email Opt-In': ['True', 'True', '', '', 'False']
}
df = pd.DataFrame(data)

filename = 'test'
errors = {}
errors[filename] = {}

错误代码及报错信息 #

错误代码 #

# 列名与数据集不一致，存在笔误
email_optin = df[["Existing Customer","Email Opt-In"]]
err_i = 0  # 原代码未初始化该变量
for col in email_optin.columns:
    for i in email_optin.index:
        # 直接用Series与布尔值比较，返回布尔Series，导致if判断歧义
        if email_optin['Existing Customer'] == True:
            pass
        elif email_optin['Existing Customer'] == False:
            # 原数据中空值是''而非NaN，isna()无法识别；any(1)返回Series，同样导致判断歧义
            if email_optin['Email Opt-In'].isna().any(1):
                errors[filename][err_i] = {
                    "row": i,
                    "column": col,
                    "message": "Email Opt-in is a required field for prospect clients"
                }
        err_i += 1

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().

期望输出 #

（注：原期望输出中row为4，对应pandas默认0索引应为3，此处修正为正确索引值）

高效修复方案 #

核心问题分析 #

1. 列名不一致：代码中列名Existing Customer与数据集的Existing Customers不匹配，导致索引错误
2. 数据类型与判断逻辑错误：原数据中Existing Customers是字符串类型（'True'/'False'），直接与布尔值True比较会导致全量Series判断；Email Opt-In的空值是''而非NaN，isna()无法识别
3. 低效遍历：嵌套循环遍历列和行，效率极低，且无需遍历所有列

优化方案（向量化+精准遍历，高效适配大数据） #

import pandas as pd

data = {
    'Existing Customers': ['True', 'False', 'True', 'False', 'False'],
    'Email Opt-In': ['True', 'True', '', '', 'False']
}
df = pd.DataFrame(data)

filename = 'test'
errors = {filename: {}}
err_idx = 0

# 1. 筛选符合错误条件的行：非老客户 + Email Opt-In为空字符串
error_mask = (df['Existing Customers'] == 'False') & (df['Email Opt-In'].str.strip() == '')

# 2. 遍历筛选后的行，构建错误字典
for idx, row in df[error_mask].iterrows():
    errors[filename][err_idx] = {
        "row": idx,
        "column": 'Email Opt-In',
        "message": "Email Opt-in is a required field for prospect clients"
    }
    err_idx += 1

# 输出结果
print(errors)

方案优势 #

• 向量化筛选：利用pandas的向量化操作快速定位错误行，比逐行循环效率提升数倍（大数据量下差异更明显）
• 精准判断：针对字符串类型的布尔值和空字符串做精准判断，避免逻辑错误
• 简化逻辑：无需遍历所有列，直接针对目标列处理，代码更简洁易维护

输出结果 #

{
    'test': {
        0: {
            'row': 3,
            'column': 'Email Opt-In',
            'message': 'Email Opt-in is a required field for prospect clients'
        }
    }
}

内容的提问来源于stack exchange，提问作者user19702551