首次编写Pandas IF ELSE条件赋值语句遇到语法问题求助

错误原因 #

你使用的原生Python if/elif 语法无法直接对Pandas Series对象做批量判断：g['Operator'] == 固定值返回的是和数据集长度一致的布尔序列，而非单个布尔值，直接放到if判断中会触发ValueError: The truth value of a Series is ambiguous报错。

最优实现方案 #

你的前三个判断逻辑完全一致，可通过isin方法合并判断条件，搭配numpy.where一行完成赋值，属于Pandas向量化操作，运行效率最高，且提前计算均值避免重复运算：

import numpy as np

# 提前计算y列均值，避免重复计算
y_mean = g['y'].mean()
# 定义需要匹配的Operator值列表
target_operators = [100151, 20137, 152]
# 条件赋值
g['floor'] = np.where(g['Operator'].isin(target_operators), y_mean, y_mean / 2)

多分支复杂场景通用方案 #

如果后续不同判断条件对应不同赋值规则，可使用numpy.select适配多分支逻辑，扩展性更强：

import numpy as np

y_mean = g['y'].mean()
# 定义所有判断条件
conditions = [
    g['Operator'] == 100151,
    g['Operator'] == 20137,
    g['Operator'] == 152
]
# 定义每个条件对应的赋值
values = [y_mean, y_mean, y_mean]
# 条件不匹配时使用default对应的默认值
g['floor'] = np.select(conditions, values, default=y_mean / 2)

小数据集可选方案 #

如果数据量很小，也可以用行遍历的apply方法实现，代码可读性更高，但大数据量下运行效率远低于上面的向量化方案：

y_mean = g['y'].mean()
target_operators = [100151, 20137, 152]

def assign_floor(row):
    if row['Operator'] in target_operators:
        return y_mean
    return y_mean / 2

g['floor'] = g.apply(assign_floor, axis=1)

内容的提问来源于stack exchange，提问作者Gavin