Pandas调用自定义函数生成新列触发ValueError的解决方法

这个坑我之前踩过！你遇到的ValueError: The truth value of a Series is ambiguous错误，本质是你的wind_index函数是为单个数值设计的，但你传入的是pandas的Series（也就是整个列的批量数据）。普通的if/elif逻辑无法直接判断一个Series的“真值”——因为Series里有多个布尔值，程序不知道你是要判断所有值都为真，还是只要有一个为真，所以就抛出了歧义错误。

下面给你两种可行的解决方案，按需选择：

方法1：用apply逐行处理（简单直接，适合小数据集） #

既然函数只能处理单个值，那我们就用df.apply()把函数逐行应用到DataFrame的每一行上，每次传入单个tempC和humidity值：

# 修改调用方式，用apply逐行执行
df['tci'] = df.apply(lambda row: get_thermal_index(row['tempC'], row['humidity']), axis=1)

这种方法不需要修改你原来的wind_index和get_thermal_index函数，直接改调用代码就行，非常适合快速验证逻辑。但要注意，apply本质是逐行循环，数据量很大的时候效率会比较低。

方法2：将函数改为向量化实现（高效，适合大数据集） #

如果你的数据集比较大，推荐把函数改成向量化操作（利用numpy/pandas的批量处理能力，避免循环），速度会快很多。重写后的代码如下：

import numpy as np

def wind_index(result):
    # 先创建一个和输入Series形状一致的数组，默认值设为2（对应最后一个elif的情况）
    idx = np.full(result.shape, 2)
    # 按条件批量赋值
    idx[result > 10] = 1
    idx[(result > 0) & (result <= 5)] = 1.5
    return idx

def get_thermal_index(temp, hum):
    # 这里的计算本身就是向量化的，直接传入Series即可
    return wind_index(temp - 0.4*(temp-10)*((1-hum)/100))

# 现在可以直接用你原来的调用语句了
df['tci'] = get_thermal_index(df['tempC'], df['humidity'])

这种方法利用numpy的批量赋值能力，把原来的if/elif逻辑转换成了对整个Series的条件判断，完全没有循环，处理大数据时性能提升非常明显。

另外提一句：你代码里用&来做布尔运算的写法是对的——pandas Series的多条件判断必须用&（按位与）而不是and，这点你没出错～

内容的提问来源于stack exchange，提问作者katrina0v