pandas使用嵌套条件新增列报Series真值模糊错误如何解决？

你使用的原生Python if/else 语法仅支持对单个布尔值做逻辑判断，而df.Type == 'A'返回的是长度等于DataFrame行数的布尔序列（Series），pandas无法确定一整组布尔值整体的真/假属性，因此抛出ValueError: The truth value of a Series is ambiguous错误。
同时你原代码存在拼写错误：restult = df.X+20 写错了变量名，即使语法没问题也会导致结果异常。

方案1：使用numpy.select实现向量化条件计算（性能最优，适合大数据量） #

import pandas as pd
import numpy as np

# 原始数据
df = pd.DataFrame([['A', 1, 20], ['A', 2, 30], ['B', 1, 50], ['B', 3, 45], ['A', 4, 60], ['B', 5, 70]])
df.columns = ['Type', 'P', 'X']

# 按优先级定义所有条件
conditions = [
    (df['Type'] == 'A') & (df['P'] % 2 == 0),
    (df['Type'] == 'A') & (df['P'] % 2 != 0),
    (df['Type'] == 'B') & (df['P'] % 2 == 0),
    (df['Type'] == 'B') & (df['P'] % 2 != 0)
]
# 按条件顺序定义对应计算规则
choices = [
    df['X'] + 10,
    df['X'] + 20,
    df['X'] + 30,
    df['X'] + 40
]

df['Result'] = np.select(conditions, choices)

运行后输出完全符合预期结果。

方案2：使用apply自定义函数（逻辑最直观，适合小数据量） #

把嵌套判断逻辑封装为单行处理函数，再用apply逐行调用：

def calc_result(row):
    if row['Type'] == 'A':
        if row['P'] % 2 == 0:
            return row['X'] + 10
        else:
            return row['X'] + 20
    else:
        if row['P'] % 2 == 0:
            return row['X'] + 30
        else:
            return row['X'] + 40

df['Result'] = df.apply(calc_result, axis=1)

内容的提问来源于stack exchange，提问作者Sky