如何将自定义Python函数应用到pandas DataFrame列并解决ValueError报错

我编写了如下函数，可接收四个输入值并基于输入计算返回结果：

def python_function(a, b, c, d):
    if [a, b, c, d].count(0) == 4:
        return "NA"

    average = (a + b + c + d) / (4 - [a, b, c, d].count(0))

    # 计算q1改a，q2改b，q3改c，q4改d
    if c >= average:
        if c > b:
            return "G"
        else:
            return "S"
    elif c < average:
        return "B"

    return "NA"

函数调用示例：

python_function(5.3,9.7,.4,0)
# 返回结果：'B'

python_function(5.3,9.7,10.4,0)
# 返回结果：'G'

将该函数直接应用于pandas DataFrame的列时触发了报错，已知需要适配逻辑运算符的浮点值实现方法，不清楚具体操作步骤。
所用DataFrame示例：

q1_profit    q2_profit   q3_profit   q4_profit
0   89969.7     112896.7    25665.4     0
1   1.6         459.9       295.9       0
2   0.9         9.5         5.3         0
3   1396.1      1105.2      0.2         0
4   17.9        365.5       191.1       0

字段数据类型：

q1_profit            1600 non-null float64
q2_profit            1600 non-null float64
q3_profit            1600 non-null float64
q4_profit            1600 non-null int64

调用写法：

data["rating"] = python_function(data["q1_profit"],data["q2_profit"],data["q3_profit"],data["q4_profit"])

报错信息：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-51-6dba2870dd9c> in <module>
----> 1 data["rating"] = python_function(data["q1_profit"],data["q2_profit"],data["q3_profit"],data["q4_profit"])

<ipython-input-39-47792387b172> in python_function(a, b, c, d)
      1 def python_function(a, b, c, d):
----> 2     if [a, b, c, d].count(0) == 4:
      3         return "NA"
      4 
      5     average = (a + b + c + d) / (4 - [a, b, c, d].count(0))

~\Anaconda3\lib\site-packages\pandas\core\generic.py in __nonzero__(self)
   1476         raise ValueError("The truth value of a {0} is ambiguous. "
   1477                          "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
-> 1478                          .format(self.__class__.__name__))
   1479 
   1480 __bool__ = __nonzero__

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

现有函数是针对单个标量值设计的，直接传入整列Series对象时，if判断需要单个布尔值，但返回的是一整列布尔结果，pandas无法判定整列的真值，因此抛出该错误。

方案1：逐行调用原函数 #

不需要修改原有函数逻辑，通过apply按行遍历传参即可，适合万行以下的小数据集：

data["rating"] = data.apply(lambda row: python_function(row["q1_profit"], row["q2_profit"], row["q3_profit"], row["q4_profit"]), axis=1)

方案2：向量化实现（性能更高） #

重写为pandas原生向量化操作，避免逐行遍历的性能损耗，适合十万行以上的大数据集：

import numpy as np

# 计算每行0的个数
zero_cnt = (data[["q1_profit", "q2_profit", "q3_profit", "q4_profit"]] == 0).sum(axis=1)
# 计算非零平均值
data["average"] = data[["q1_profit", "q2_profit", "q3_profit", "q4_profit"]].sum(axis=1) / (4 - zero_cnt)

# 多条件匹配赋值
conditions = [
    zero_cnt == 4,
    data["q3_profit"] >= data["average"],
    data["q3_profit"] < data["average"]
]
choices = [
    "NA",
    np.where(data["q3_profit"] > data["q2_profit"], "G", "S"),
    "B"
]
data["rating"] = np.select(conditions, choices, default="NA")
# 可选：删除中间生成的辅助列
data.drop("average", axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者sonu_db_work