Pandas对DataFrame两列应用自定义MAPE函数时触发ValueError错误求助

错误触发原因 #

• 第一处错误是apply调用时传参错误：你在lambda里传入的df.Actuals_March和df.Forecast_March是完整的列数据（Series类型），不是当前行的单个数值。执行if actual == 0判断时相当于拿整个Series和0比较，返回的是布尔类型的Series，Python无法直接判断布尔Series的真值，因此触发对应的ValueError。
• 第二处错误是自定义MAPE函数的逻辑和逐行计算的需求不匹配：你当前的需求是给每行生成一个MAPE值存入新列，函数内不需要调用np.mean，只有计算全数据集整体MAPE的时候才需要做求平均操作。

修复方案 #

方案1：逐行计算每行MAPE（匹配你生成MAPE_Mar列的需求） #

先修正MAPE函数的逻辑，再调整apply的传参方式即可：

# 修正后的逐行MAPE计算函数
def mape(actual, pred):
    if actual == 0:
        return 0 if pred == 0 else 100
    else:
        return np.abs((actual - pred) / actual) * 100

# 正确的apply调用写法，x代表当前行，取当前行的两列值传入函数
df['MAPE_Mar'] = df.apply(lambda x: mape(x['Actuals_March'], x['Forecast_March']), axis=1)

方案2：计算全数据集整体MAPE（如果不需要逐行结果，直接求整体值的更高效写法） #

不需要调用apply，直接用向量化运算即可，性能远高于逐行遍历：

def overall_mape(actual_series, pred_series):
    # 标记actual为0的行
    zero_mask = actual_series == 0
    error = np.zeros_like(actual_series, dtype=np.float64)
    # 处理actual为0的行的误差
    error[zero_mask] = np.where(pred_series[zero_mask] == 0, 0, 100)
    # 处理actual不为0的行的误差
    error[~zero_mask] = np.abs((actual_series[~zero_mask] - pred_series[~zero_mask]) / actual_series[~zero_mask]) * 100
    return np.mean(error)

# 直接传入两列数据得到整体MAPE
total_mape = overall_mape(df['Actuals_March'], df['Forecast_March'])

内容的提问来源于stack exchange，提问作者R overflow