Pandas查找列中子串写入另一列时报真值歧义错误如何解决？

你遇到的The truth value of a DataFrame is ambiguous.报错核心原因是：你直接将布尔筛选后的DataFrame放在if判断语句中，pandas无法将包含多行多值的DataFrame转换为单个布尔值，因此抛出该错误。

除此之外你的原有代码还有以下几处问题：

• isin()方法用于判断元素是否在指定的可迭代对象中，你传入单个字符串会被拆解为单个字符匹配，完全不符合匹配特定子串的需求。你的场景中Percentage列格式固定为数字单词开头，用str.startswith()匹配更精准。
• str.replace后你使用了方括号[]调用，属于语法错误，应该用圆括号()。
• 直接对整列赋值的写法会覆盖所有行的结果，无法实现按行匹配条件赋值的需求。

最优实现方案 #

推荐用numpy.select做多条件匹配，是pandas处理多分支条件赋值的标准写法，执行效率远高于逐行遍历：

import pandas as pd
import numpy as np

# 读取CSV文件
df = pd.read_csv(r'file.csv', dtype=str)

# 定义条件列表和对应的等级列表
conditions = [
    df['Percentage'].str.startswith('Ninety'),
    df['Percentage'].str.startswith('Eighty'),
    df['Percentage'].str.startswith('Seventy'),
    df['Percentage'].str.startswith('Sixty')
]
grades = ['A', 'B', 'C', 'D']

# 按条件赋值，不满足所有条件的默认赋值为F
df['Letter Grade'] = np.select(conditions, grades, default='F')

# 保存回CSV
df.to_csv(r'file.csv', index=False)

如果不想引入numpy依赖，也可以用df.loc写法实现：

import pandas as pd

df = pd.read_csv(r'file.csv', dtype=str)

# 先默认全赋值为F
df['Letter Grade'] = 'F'
df.loc[df['Percentage'].str.startswith('Ninety'), 'Letter Grade'] = 'A'
df.loc[df['Percentage'].str.startswith('Eighty'), 'Letter Grade'] = 'B'
df.loc[df['Percentage'].str.startswith('Seventy'), 'Letter Grade'] = 'C'
df.loc[df['Percentage'].str.startswith('Sixty'), 'Letter Grade'] = 'D'

df.to_csv(r'file.csv', index=False)

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