pandas统计每行症状Yes值总数创建新列报真值歧义错误求解

你传入自定义函数的df["Cough"]、df["Myalgia"]等对象是pandas的整列数据（Series类型），不是单个单元格的取值。当你在if条件里写Cough == "Yes"时，得到的是一整列由True/False组成的布尔序列，Python无法将一组布尔值判定为单个真/假值来走分支逻辑，就会抛出这个歧义错误。

除了触发报错的传参错误，你的函数本身还有两个逻辑bug，就算解决传参问题也无法得到正确结果：

• 分支判断用了elif，只要靠前的某一列值为Yes，后续所有列的判断都会被跳过，无法统计所有症状列的Yes总数
• 计数变量number定义在函数外部，既存在作用域修改报错的问题，也会导致计数跨样本累计，无法实现逐行单独统计的需求。

pandas做这类逐行统计优先用向量化运算，不需要写自定义遍历函数，运行效率远高于逐行循环，代码也更简洁：

# 所有需要统计的症状列统一放在列表中，后续增减列直接修改列表即可
symptom_columns = ["Cough", "Myalgia", "Headache", "SoreThroat", "Fatigue"]
df["NumberSymptoms"] = (df[symptom_columns] == "Yes").sum(axis=1)

运行后直接得到符合预期的结果，和你给出的示例表计算规则完全匹配。

如果你确实需要用自定义函数实现（仅作参考，大数据量下性能差），需要配合apply指定按行传入数据，且把计数变量放在函数内部：

def count_symptoms(single_row):
    symptom_count = 0
    for col in ["Cough", "Myalgia", "Headache", "SoreThroat", "Fatigue"]:
        if single_row[col] == "Yes":
            symptom_count += 1
    return symptom_count

df["NumberSymptoms"] = df.apply(count_symptoms, axis=1)

内容的提问来源于stack exchange，提问作者l15