pandas apply调用含if判断的自定义函数报真值歧义错误

• 核心传参错误：你编写的cal_properties原本设计是接收单个压力数值作为输入，但你调用df.apply(lambda row: cal_properties(row), axis=1)时，传入函数的是每一行对应的Series对象（包含该行所有井的压力值，是一组数不是单个值）。
• 触发报错的直接逻辑：当传入的是Series时，pressure>=0和pressure<=1000返回的都是由布尔值组成的Series（每个元素对应单个压力值的判断结果），Python原生的and关键字无法将一组布尔值转换为单个True/False判断结果，因此抛出ValueError: The truth value of a Series is ambiguous错误。
• 额外隐藏问题：你的现有数据中存在大量压力值为0的记录，就算解决了传参问题，执行1/pressure时还会触发除零错误，需要额外处理0值场景。

根据你的需求（逐单元格计算每个压力对应的密度），优先选择性能更高的向量化写法，也可以选择修正apply用法适配原有自定义函数。

方法1：pandas向量化运算（推荐，性能最优） #

不需要写循环，直接对整个DataFrame做批量条件判断和计算，运行速度远高于apply逐行/逐元素循环：

density_df = df.copy()
# 定义区间条件，注意pandas里数组逻辑与要用&，不能用and
mask = (density_df > 0) & (density_df <= 1000)
zero_mask = density_df == 0
over_range_mask = ~mask & ~zero_mask

# 分区间计算
density_df[mask] = 1 / density_df[mask]
density_df[over_range_mask] = density_df[over_range_mask] * 10
density_df[zero_mask] = 0  # 这里替换成压力为0时对应的实际密度值即可

方法2：修正apply用法，适配原有单值计算函数 #

如果你要保留原有自定义函数的写法，需要把逐行传入改成逐元素传入，让函数每次只接收到单个数值：

def cal_properties(pressure):
    # 先处理0值避免除零
    if pressure == 0:
        return 0  # 替换为0压力对应的实际密度
    elif 0 < pressure <= 1000:
        return 1 / pressure
    else:
        return pressure * 10

# pandas 1.x版本用applymap逐元素计算，2.0+版本可以直接用df.map(cal_properties)
density_df = df.applymap(cal_properties)

注意：如果你实际需求是对每一行做聚合计算（比如每行返回一个结果，而不是每个单元格返回结果），才需要用axis=1的逐行apply，此时需要修改函数内的判断逻辑，明确对整组Series的判断规则，比如要求整行所有值都在0-1000区间才走第一个分支，就用.all()把布尔Series转成单个布尔值：

def cal_properties(row):
    if ((row >=0) & (row <=1000)).all():
        return 1 / row.sum() # 替换为你的整行计算逻辑
    else:
        return row.sum() * 10
df = df.apply(cal_properties, axis=1)

内容的提问来源于stack exchange，提问作者roudan