Pandas按prod_id分组判断第n大值≥30生成新列的报错解决

报错原因 #

你的代码触发ValueError有两个核心问题：

1. lambda里的df['perc_dem_near_wh'].nlargest(2)返回的是一个包含2个元素的Series对象，你直接用and把单个值x和Series做布尔判断，pandas无法判定整个序列的布尔值，因此抛出歧义错误。
2. 代码没有按prod_id分组计算第n大值，逻辑完全不符合你的需求。

正确实现方案 #

你可以先给每个prod_id分组内的需求值算倒序排名，再批量生成所有目标列，不用逐列重复写代码：

import pandas as pd

# 先按prod_id分组，对需求值做倒序排名，method='first'避免并列值干扰排名顺序
df['rank'] = df.groupby('prod_id')['demand_near_wh'].rank(ascending=False, method='first').astype(int)

# 批量生成1-5对应的标识列
for n in range(1, 6):
    # 生成列名
    if n == 1:
        col_name = '1st_wh'
    elif n == 2:
        col_name = '2nd_wh'
    elif n == 3:
        col_name = '3rd_wh'
    else:
        col_name = f'{n}th_wh'
    # 按规则赋值：排名等于n 且 需求值≥30则为True，否则为False
    df[col_name] = (df['rank'] == n) & (df['demand_near_wh'] >= 30)

# 删掉临时的排名列（不需要可以保留）
df.drop('rank', axis=1, inplace=True)

如果你的实际计算用的是代码里的perc_dem_near_wh字段，把上面代码里的demand_near_wh替换成对应字段名即可。如果你的需求里4、5名不需要满足≥30的限制，调整对应判断条件即可。

内容的提问来源于stack exchange，提问作者Phil