使用Pandas.query()过滤数据：替换product_type值报错排查与解决

报错原因 #

你写的函数存在几个关键问题，直接导致了这个报错：

• Series布尔判断歧义：if data:里的data是Pandas Series（仅提取了ticket_id列），直接用if判断Series的真值会触发歧义——Pandas无法确定你要判断Series是否非空，还是所有元素为真，因此提示你使用.empty、.any()这类明确方法。
• 数据选取错误：df.query('product_type == "others"')['ticket_id']只取了符合条件的ticket_id列，后续访问data["product_type"]必然报错，因为这个Series根本没有该列。
• 返回值逻辑错误：就算前面逻辑正确，你最终返回的要么是仅含ticket_id的Series，要么是原DataFrame，完全不符合“返回修改后完整DataFrame”的需求。

正确实现方式 #

无需复杂分支判断，直接对DataFrame做条件替换即可，以下是几种简洁可行的写法：

方法1：用loc定位修改 #

def product_mapping(df):
    # 定位product_type为"others"的行，修改对应列的值
    df.loc[df['product_type'] == 'others', 'product_type'] = 'voice'
    return df

方法2：用replace做指定值映射 #

def product_mapping(df):
    # 仅替换"others"为"voice"，其他值保持不变
    df['product_type'] = df['product_type'].replace({'others': 'voice'})
    return df

方法3：用map处理复杂映射（适合后续扩展规则） #

def product_mapping(df):
    def type_mapper(x):
        return 'voice' if x == 'others' else x
    df['product_type'] = df['product_type'].map(type_mapper)
    return df

验证结果 #

用你的示例DataFrame测试上述任意方法，都会得到预期输出：

ticket_id  network  product_type
123        AAA      tv
345        AAA      voice       
567        BBB      voice
678        CCC      voice
789        DDD      broad

内容的提问来源于stack exchange，提问作者Anos