pandas列表推导式统计指定列PASSED值时报真值歧义错误解决

代码触发报错的核心是混淆了pandas列对象（Series）和单个单元格值的判断逻辑：

• 代码中frame[column] == 'PASSED'返回的不是单个True/False值，而是长度和DataFrame行数一致的布尔型Series，存储的是该列每一行是否等于PASSED的判断结果
• 你在列表推导式的if条件里直接传入这个Series时，Python会尝试把整列转换成单个布尔值判断真假，这种模糊操作在pandas中是不被允许的，就会抛出你看到的ValueError: The truth value of a Series is ambiguous报错。
  就算绕过这个报错，原代码的sum()逻辑是对多个Series做整体求和，也实现不了逐行统计指定列中PASSED数量的需求。

优先使用pandas原生向量化运算实现，性能最高，适配任意行数的数据集：

import pandas as pd

frame = pd.DataFrame(
    data = {'Age':['PASSED'], 'Maturity':['PASSED'],'Gender':['FAILED'], 'Height':['PASSED']}
)
check_columns = ['Age','Maturity','Gender']

# 选中目标列逐元素判断是否为PASSED，按行统计True的数量
frame['result'] = frame[check_columns].eq('PASSED').sum(axis=1)

运行后示例数据的result列值为2，完全符合预期。

如果偏好逐行判断的写法，也可以用apply实现（注意：数据量较大时性能远低于上面的向量化方案）：

frame['result'] = frame[check_columns].apply(
    lambda row: sum(1 for cell_val in row if cell_val == 'PASSED'),
    axis=1
)

内容的提问来源于stack exchange，提问作者JasonX