使用PolyFuzz做模糊匹配报Series真值歧义ValueError如何修复？

使用PolyFuzz库执行模糊字符串匹配任务时，运行以下代码：

fasttext_embeddings = WordEmbeddings('en-crawl')
fasttext = Embeddings(fasttext_embeddings, min_similarity=0, model_id="FastText")
tfidf = TFIDF(min_similarity=0, model_id="TF-IDF")
rapidfuzz = RapidFuzz(n_jobs=-1, score_cutoff=0, model_id="RapidFuzz")

matchers = [tfidf, fasttext, rapidfuzz]

model = PolyFuzz(matchers)

model.match(Netflix['title'], IMBD['Title'])

执行过程中触发如下报错：
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()
报错截图：

PolyFuzz的match方法要求传入的待匹配字符串、匹配库字符串必须是Python原生字符串列表格式。代码中直接传入了pandas的Series对象（Netflix['title']、IMBD['Title']均为pandas Series结构），PolyFuzz内部逻辑对该结构做布尔判断时，触发了pandas不允许直接对Series做整体真值判断的保护机制，最终抛出该错误。

将传入match方法的两个pandas Series对象通过.tolist()方法转换为Python原生列表即可。如果数据中存在空值（NaN），需要先做缺失值处理，避免混入非字符串类型数据导致后续匹配异常。

修改后的可运行代码如下：

fasttext_embeddings = WordEmbeddings('en-crawl')
fasttext = Embeddings(fasttext_embeddings, min_similarity=0, model_id="FastText")
tfidf = TFIDF(min_similarity=0, model_id="TF-IDF")
rapidfuzz = RapidFuzz(n_jobs=-1, score_cutoff=0, model_id="RapidFuzz")

matchers = [tfidf, fasttext, rapidfuzz]
model = PolyFuzz(matchers)

# 先处理缺失值，再转为原生列表传入
netflix_titles = Netflix['title'].fillna("").tolist()
imdb_titles = IMBD['Title'].fillna("").tolist()
model.match(netflix_titles, imdb_titles)

内容的提问来源于stack exchange，提问作者wenqi lin