Pandas DataFrame按其他列条件分组对两列求和报错处理

代码触发错误的核心原因有三个：

1. 条件判断写法错误：if tx_accepted_1 and tx_accepted == "True" 只校验了tx_accepted等于字符串"True"，tx_accepted_1直接传入了从分组里取到的整列Series对象。pandas不支持把整列Series直接转成单个布尔值做真假判断，就会抛出你看到的真值歧义错误。
2. 判断逻辑有漏洞：就算不报错，这个写法也不会校验tx_accepted_1的值是不是"True"，只要列非空就会被判定为真，完全不符合"两个字段均为'True'才计算"的需求。
3. 自定义函数传参逻辑不对：分组apply传入的x是每个分组对应的DataFrame子集，你把整列数据传给自定义函数后直接用if判断，本质是拿一整列数据做单值判断，必然触发报错。

优先使用向量化写法，运行效率比逐组apply高很多：

# 1. 先筛出两个accept字段均为字符串"True"的行
# 2. 按Subject、date分组，对两个金额字段分别求和
# 3. 把同一分组下两个金额列的求和结果相加，得到最终组内总金额
result = (
    data.loc[data["Accept"].eq("True") & data["accept_1"].eq("True"), :]
    .groupby(["Subject", "date"])[["Amount", "amount_1"]]
    .sum()
    .sum(axis=1)
    .reset_index(name="total_amount")
)

如果你要保留自定义函数+apply的写法，可以把函数改成直接处理分组DataFrame的逻辑：

def group_sum(group):
    # 筛选组内符合双True条件的行
    valid_rows = group[(group["Accept"] == "True") & (group["accept_1"] == "True")]
    # 返回两个金额字段的总和
    return valid_rows["Amount"].sum() + valid_rows["amount_1"].sum()

result = data.groupby(["Subject", "date"]).apply(group_sum).reset_index(name="total_amount")

• pandas做字段多条件筛选时，组合逻辑要用&（与）、|（或）等位运算符，每个独立判断条件必须用括号包裹，不要直接用Python原生的and/or处理Series对象。
• 不要把整列/Series对象直接放到原生if语句里做判断，这种写法pandas无法判定你是要判断整列全为真、存在任意真值还是其他逻辑，必然抛出歧义错误。

内容的提问来源于stack exchange，提问作者Almosino