pandas应用自定义函数处理DataFrame时出现Series真值歧义错误如何解决

报错根本原因 #

你编写的time_add函数逻辑是面向**df1的单条记录（单行数据）**设计的，但调用时直接传入了完整的df1 DataFrame，导致函数内所有x['字段名']取到的都是和df1行数等长的Series对象：
当执行if(s_date == e_date)判断时，等号两边都是Series，比较结果为布尔Series，if无法直接判断一个布尔序列的整体真假，因此抛出你遇到的The truth value of a Series is ambiguous错误。

修复方案 #

小数据量场景：调整调用方式 #

直接遍历df1的每一行传入函数即可：

import pandas as pd
for _, row in df1.iterrows():
    time_add(row)

大数据量场景：优化逻辑提升性能 #

如果df1数据量超过1万条，逐行遍历性能较差，可以改用pandas向量化操作替代循环逻辑，能大幅提升运行效率。

其他可优化点 #

1. 数值单位不统一问题：代码中跨整小时的时段赋值为1，但其他时段计算的是乘以100的百分比值，建议将= 1修改为= 100，避免最终占用率统计异常。
2. 时间计算兼容问题：代码中s_date+1的写法建议替换为s_date + pd.Timedelta(days=1)，避免部分pandas版本对时间戳直接加数字的兼容问题。

内容的提问来源于stack exchange，提问作者Adam Lee