匹配DataFrame共同产品编码计算价差时遇ValueError报错求助

错误原因分析 #

• 你传入自定义函数range_calc的是整列数据（pandas Series），而非单个产品的价格值。函数中abs_res == 0、z>y这类比较会返回布尔值组成的Series，但if语句需要单个布尔值，因此触发"truth value ambiguous"错误。
• 嵌套循环的逻辑完全错误：每次匹配到产品编码时，直接给Last_df的整列赋值当前编码，会覆盖之前所有数据；同时函数处理的是整列而非对应产品的价格，根本无法实现按产品计算的需求。

修正方案（高效向量化实现） #

步骤1：合并两个DataFrame，对齐共同产品 #

先通过内连接合并两个DataFrame，只保留双方都有的产品编码，同时关联对应的价格：

import pandas as pd
import numpy as np

# 假设df1列名：product_ID（产品编码）、full_price（价格）；df2列名：product_code（产品编码）、tot_price（价格）
merged_df = pd.merge(
    df1[["product_ID", "full_price"]],
    df2[["product_code", "tot_price"]],
    left_on="product_ID",
    right_on="product_code",
    how="inner"  # 只保留共同产品
)

步骤2：向量化计算价差比例 #

用np.where实现向量化判断，避免循环和单个值的函数调用，效率更高：

# 计算价格差的绝对值
abs_diff = abs(merged_df["full_price"] - merged_df["tot_price"])

# 按规则计算最终价格比例
merged_df["Market_Price"] = np.where(
    abs_diff == 0,
    merged_df["full_price"],  # 价格相等时返回原价格
    np.where(
        merged_df["full_price"] > merged_df["tot_price"],
        (abs_diff / merged_df["full_price"]) * 100,
        (abs_diff / merged_df["tot_price"]) * 100
    )
)

# 生成最终的df3
df3 = merged_df[["product_ID", "Market_Price"]].rename(columns={"product_ID": "Product_number"})

可选方案（自定义函数+行级应用） #

如果一定要保留自定义函数的逻辑，可以对合并后的每行数据应用函数：

def range_calc(row):
    z = row["full_price"]
    y = row["tot_price"]
    abs_res = abs(z - y)
    if abs_res == 0:
        return z
    return (abs_res / z) * 100 if z > y else (abs_res / y) * 100

# 合并后按行应用函数
merged_df = pd.merge(
    df1[["product_ID", "full_price"]],
    df2[["product_code", "tot_price"]],
    left_on="product_ID",
    right_on="product_code",
    how="inner"
)
merged_df["Market_Price"] = merged_df.apply(range_calc, axis=1)
df3 = merged_df[["product_ID", "Market_Price"]].rename(columns={"product_ID": "Product_number"})

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