pandas带条件按行执行apply触发Series真值判断歧义报错如何解决

• 调用apply的对象和参数不匹配：你当前是对df['img']这个单列Series执行apply操作，而axis=1是DataFrame按行遍历时才支持的参数，Series.apply本身不支持该参数，参数误用导致pandas内部执行逻辑混乱，触发了Series真值判断的歧义报错。
• 逻辑设计有误：你在lambda中尝试用x['id']取当前行的id值，只有对整个DataFrame按行遍历时才能拿到整行的所有字段值，单独对img列做apply时，入参x只是img列的单个元素，根本无法取到id字段的值。

方案1：对整个DataFrame按行apply（适合逻辑复杂的小数据量场景） #

将apply的调用对象改为整个DataFrame，即可在lambda中拿到整行的所有字段值：

import pandas as pd

df = pd.DataFrame({'id': [1,2,3],
                   'img': ['x',0,'x']
                 })

def details(id):
    return 2

df['new_col'] = df.apply(lambda x: details(x['id']) if x['img'] == 0 else x['img'], axis=1)

方案2：布尔索引批量赋值（性能更高，适合大数据量场景） #

先初始化新列，再单独筛选符合条件的行执行自定义函数，避免全量按行遍历的性能损耗：

import pandas as pd

df = pd.DataFrame({'id': [1,2,3],
                   'img': ['x',0,'x']
                 })

def details(id):
    return 2

# 先将新列初始值设为img列的值
df['new_col'] = df['img']
# 仅筛选img等于0的行，将对应行的id传入自定义函数后赋值给新列
df.loc[df['img'] == 0, 'new_col'] = df.loc[df['img'] == 0, 'id'].apply(details)

内容的提问来源于stack exchange，提问作者kms