Pandas用apply从JSON列取值替换列值时报Series真值模糊错误如何解决

• 核心问题1：你在apply的lambda函数中调用df['json_col'].str['value'].str['Code']返回的是长度等于DataFrame总行数的Series，而按行执行的apply要求每行返回单个值，维度不匹配触发了真值判断歧义的报错。
• 核心问题2：你先筛选df[df['col1'] == 0]再直接赋值给整列df['col1']，会导致原col1不为0的行（比如示例中的第二行原本为NaN）被错误覆盖为空值。

直接用布尔索引匹配赋值即可，自动兼容Code为NaN、json_col为NaN的场景：

import pandas as pd
import numpy as np

# 先提取所有行的Code值
code_series = df['json_col'].str['value'].str['Code']
# 仅给col1为0的位置赋值对应的Code值
df.loc[df['col1'] == 0, 'col1'] = code_series[df['col1'] == 0]

运行后的df['col1']结果为[6037.0, nan, nan, nan]，完全符合需求：

• 第一行原col1为0，替换为Code值6037
• 第二行原col1为NaN，保留原值
• 第三行json_col为NaN，提取Code为NaN，替换原0值为NaN
• 第四行Code本身为NaN，替换原0值为NaN

如果需要用apply实现，要按行取当前行的字段值，同时做非空判断避免报错：

df['col1'] = df.apply(
    lambda x: x['json_col']['value']['Code'] if x['col1'] == 0 and pd.notna(x['json_col']) else x['col1'],
    axis=1
)

内容的提问来源于stack exchange，提问作者kms