如何在Python中使用多IF条件语句？解决Pandas条件赋值报错

• 触发ValueError: The truth value of a Series is ambiguous的核心原因：将pandas存储整列数据的Series对象直接传入if判断语句，同时使用Python原生的and连接多个Series判断。if语句仅支持单个布尔值作为判断条件，and会尝试把整个多元素的Series压缩为单个真值，程序无法明确判断你是要校验全列所有元素为真、还是任意一个元素为真，因此抛出真值歧义错误。
• 代码存在隐性匹配bug：判断条件中Col1的匹配值为No Gaps，但原数据中Col1的对应值是No Gap（无末尾s），就算修正了判断逻辑，这个笔误也会导致条件永远无法命中。

pandas的逐行条件赋值，不需要套用Python原生的单值if-else逻辑，直接基于逐行布尔掩码完成操作即可，常用实现有两种：

方案1：np.where快速赋值（适合单分支场景） #

逐行生成条件布尔掩码，直接完成分支赋值，代码简洁易读：

import numpy as np

# 逐行计算满足所有要求的判断掩码
condition_mask = (
    (df['Col1'] == "No Gap") 
    & (df['Col2'] == "India") 
    & (df['Col3'] >= 85)
)
# 掩码为True的行Col4赋值为"No"，否则赋值为"Yes"
df['Col4'] = np.where(condition_mask, "No", "Yes")

按照你提供的样例数据，运行后Col4的逐行结果为：Yes、Yes、No、Yes。

方案2：.loc布尔索引赋值（适合多分支复杂场景） #

先给目标列设置全局默认值，再把满足特定条件的行单独覆写，灵活性更高，支持后续追加更多判断规则：

# 先给Col4设置全局默认值"Yes"
df['Col4'] = "Yes"
# 定位满足所有条件的行，单独覆写Col4的值
df.loc[
    (df['Col1'] == "No Gap") &
    (df['Col2'] == "India") &
    (df['Col3'] >= 85),
    'Col4'
] = "No"

• 逐行多条件连接时，不要使用Python原生的and/or，必须使用位运算符&（逐行逻辑与）、|（逐行逻辑或）
• 每个独立的条件判断必须用圆括号包裹，否则会因运算符优先级错乱导致判断逻辑异常
• 字符串匹配需和原数据完全对齐，注意单复数、首尾空格这类细节，避免出现匹配失效

内容的提问来源于stack exchange，提问作者Manz