pandas使用位运算符仍报Series真值歧义ValueError问题求解

该报错和括号使用、位运算符替换没有直接关系。你将整个DataFrame传入自定义函数后，(df['col1'] == 0) | (df['col2'] == 0)的返回结果是和DataFrame行数等长的布尔型Series，并非单个True/False布尔值。Python原生if分支只能接收单个布尔值作为判断条件，无法直接对一整列布尔结果判定真假，因此抛出真值歧义错误。
你之前参考的社区方案仅解决了「pandas布尔序列运算优先级错误、or运算符不支持序列运算」的问题，没有解决「if需要单个布尔值、实际传入布尔序列」的核心矛盾，所以代码依然报错。

方案1：向量化运算（优先推荐，性能最优） #

直接使用numpy、pandas的内置向量化接口实现计算逻辑，无需写逐行判断的自定义函数，大数据量下性能远高于逐行遍历方案：

import numpy as np

# 计算前半段：col1、col2任意值为0则取0，否则取两列的行最小值
first_half = np.where(
    (df["col1"] == 0) | (df["col2"] == 0),
    0,
    df[["col1", "col2"]].min(axis=1)
)
# 计算后半段：col3、col4任意值为0则取0，否则取两列的行最小值
second_half = np.where(
    (df["col3"] == 0) | (df["col4"] == 0),
    0,
    df[["col3", "col4"]].min(axis=1)
)

df["new_col"] = first_half + second_half

方案2：保留自定义函数，逐行应用 #

如果需要保留自定义函数的代码结构，需要将函数入参改为DataFrame的单行数据，通过apply方法指定axis=1逐行传入数据计算。此时函数内取到的每个字段都是单个标量值，if判断可正常执行：

def get_new_col(row):
    if (row['col1'] == 0) | (row['col2'] == 0):
        first_half = 0
    else:
        first_half = min(row['col1'], row['col2'])
    if (row['col3'] == 0) | (row['col4'] == 0):
        second_half = 0 
    else:
        second_half = min(row['col3'], row['col4'])
    return first_half + second_half

# 按行遍历DataFrame应用自定义函数
df['new_col'] = df.apply(get_new_col, axis=1)

内容的提问来源于stack exchange，提问作者Antonio Carnevali