DataFrame设置LoginDate为索引时Series真值模糊报错如何解决

错误原因 #

你将LoginDate设为索引后，该列存在重复值（示例中所有行的LoginDate均为2021-03-23），此时用df.loc[index, "Timing"]取数时，返回的不是单个字符串，而是所有匹配该索引的行组成的Series对象。if判断无法直接对Series的布尔值做判定，因此触发了歧义错误。当你使用无重复的整数索引时，loc每次仅返回单个值，所以代码可以正常运行。
另外你现有的转换逻辑存在疏漏：符合规范的24小时制规则中，12am对应0点，12pm仍为12点，直接给所有pm时间加12会导致12pm被错误转为24点。

最优解决方案（推荐） #

优先使用Pandas向量化操作代替for循环遍历，既可以规避索引重复带来的报错，执行效率也远高于循环遍历，同时还能修正逻辑问题：

import pandas as pd
from io import StringIO

# 初始化与设置索引的代码
data = """
LoginDate  LoginTime Timing  StudentId
2021-03-23   12       am      3574
2021-03-23   12       am      3574
2021-03-23    9       am      2512
2021-03-23   12       pm      2692
2021-03-23    3       pm      3064
"""
df = pd.read_csv(StringIO(data.strip()), sep='\s+')
df = df.set_index('LoginDate') # 保留LoginDate为索引

# 向量化转换逻辑
mask_pm = df['Timing'] == 'pm'
mask_am_12 = (df['Timing'] == 'am') & (df['LoginTime'] == 12)
mask_pm_not12 = mask_pm & (df['LoginTime'] != 12)

df.loc[mask_pm_not12, 'LoginTime'] += 12
df.loc[mask_am_12, 'LoginTime'] = 0

若必须使用for循环实现 #

可以用按位置取值的iloc代替按索引取值的loc，规避重复索引的影响：

for row_idx in range(len(df)):
    timing_col_pos = df.columns.get_loc('Timing')
    time_col_pos = df.columns.get_loc('LoginTime')
    timing = df.iloc[row_idx, timing_col_pos]
    login_time = df.iloc[row_idx, time_col_pos]
    if timing == 'pm':
        if login_time != 12:
            df.iloc[row_idx, time_col_pos] = login_time + 12
    else:
        if login_time == 12:
            df.iloc[row_idx, time_col_pos] = 0

内容的提问来源于stack exchange，提问作者mukunda