pd.isna()判断行字段时出现Series真值模糊报错的原因是什么

你出现该报错的核心原因是：

• 用df_new.loc[df_new['NAME']==y]筛选出来的new_row是DataFrame类型，哪怕只有一行匹配，取new_row['GPA']得到的是Series对象，不是单个标量值
• pd.isna()作用在Series上时，会返回等长的布尔Series，而非单个布尔值。if语句需要明确的单个True/False判断，无法直接判定一整组布尔值的真假，因此抛出歧义错误
• 额外的语法错误：pd.isna()返回的是布尔类型（True/False），你用== 'True'和字符串比较本身就是错误写法，就算返回单个布尔值也不会匹配成功

• 两层嵌套循环的时间复杂度是O(n*m)，数据量稍大就会出现严重的性能问题
• 你对new_row['GPA']直接赋值，修改的是原DataFrame的切片副本，不会真正改动df_new的实际数据
• 没有处理同姓名多条数据的场景，匹配到多条时逻辑完全不可控

你所说的「形状不同无法用单行命令实现」是误解，Pandas内置的映射、填充逻辑可以直接实现需求，不用写循环：

# 第一步：基于旧表构建【姓名-有效GPA】的映射字典，自动过滤旧表中的GPA空值
gpa_mapping = df_old.dropna(subset=['GPA']).set_index('Name')['GPA'].to_dict()
# 第二步：将新表中GPA为空的位置，用对应姓名的旧表GPA填充
df_new['GPA'] = df_new['GPA'].fillna(df_new['NAME'].map(gpa_mapping))

如果确实需要保留循环写法做自定义逻辑，只需要修改取值方式，把Series转为标量即可（前提是两个表中每个姓名唯一）：

if pd.isna(new_row['GPA'].item()):
    if not pd.isna(old_row['GPA'].item()):
        # 直接修改原df，不要修改切片副本
        df_new.loc[df_new['NAME']==y, 'GPA'] = old_row['GPA'].item()

内容的提问来源于stack exchange，提问作者Teddy 547