Pandas用lambda函数根据其他列赋值出现Series真值模糊报错如何修复

你的猜测是正确的，报错核心是你在apply的lambda函数中直接调用了test["Coupa Type"]，这个语句返回的是整列的Series对象，Python无法直接对一整列数据返回单个布尔判断结果，因此抛出了对应错误。

修复方法（优先lambda、无额外依赖） #

你只需要做两处修改：

• 给apply方法添加axis=1参数，指定pandas按行遍历数据，每次将单行数据传入lambda函数
• lambda函数内从传入的单行对象x中取Coupa Type列的值，而非从全局的test表取整列值

修复后代码如下：

test = raw[["Coupa Type", "Structured Pos"]]
test["Structured Pos"] = test.apply(
    lambda x: "Freeform" if x["Coupa Type"] == "freeform" else "Structured PO",
    axis=1
)

补充优化方案（非lambda、效率更高） #

如果你的数据量较大，逐行apply的执行效率会低于向量化操作，你也可以用pandas原生的条件赋值实现相同效果，无需导入额外依赖：

test = raw[["Coupa Type", "Structured Pos"]]
# 先给所有行赋默认值
test["Structured Pos"] = "Structured PO"
# 再给符合条件的行覆盖赋值
test.loc[test["Coupa Type"] == "freeform", "Structured Pos"] = "Freeform"

内容的提问来源于stack exchange，提问作者Asrakh