向ZeroShotClassificationPipeline传入pandas列报错如何解决

Hugging Face ZeroShotClassificationPipeline 只接受字符串、字符串列表、Hugging Face Dataset对象作为文本输入。直接传入pandas Series时，pipeline内部的输入校验逻辑会执行类似if input_data:的布尔判断，而pandas不允许直接对Series做整体布尔求值，就会抛出你看到的歧义错误。之前尝试的.apply()、.pipe()写法没生效，本质都是没有把输入转换成pipeline可识别的格式。

中小数据集快速处理 #

直接把Series转成Python原生列表传入即可，写法最简单：

from transformers import pipeline
import pandas as pd

classifier = pipeline("zero-shot-classification", model="facebook/bart-large-mnli", device=0)
# 核心改动：用.tolist()把pandas列转成原生字符串列表
results = classifier(
    df['TEXT'].tolist(), 
    candidate_labels=label, 
    multi_label=True  # 旧版参数multi_class已更名，建议用新参数避免兼容问题
)

需要把结果写回原DataFrame #

用.apply()的正确写法，逐行处理后直接存为新列：

def run_classify(single_text):
    pred = classifier(single_text, candidate_labels=label, multi_label=True)
    # 按需返回结果，示例是返回「标签:置信度」的字典，也可以只返回最高置信度的标签
    return dict(zip(pred['labels'], pred['scores']))

# 逐行推理，结果直接存入新列
df['cls_result'] = df['TEXT'].apply(run_classify)

大数据集高效推理 #

转成Hugging Face Dataset格式批量推理，速度比逐行apply快数倍：

from datasets import Dataset

# 从pandas生成Dataset对象
hf_dataset = Dataset.from_pandas(df[['TEXT']])
# 加batch_size参数开启批量推理，根据显存大小调整数值
results = classifier(
    hf_dataset['TEXT'], 
    candidate_labels=label, 
    multi_label=True,
    batch_size=16
)

• 禁止直接传入pandas Series/DataFrame对象给pipeline，必须做格式转换
• 多标签分类场景优先用multi_label=True参数，旧的multi_class参数已经在新版本标记为弃用
• 显存足够的话尽量调大batch_size，能大幅缩短推理时间

内容的提问来源于stack exchange，提问作者Lili.Y