Pandas apply报错ValueError：Series真值模糊，如何用apply生成新列？

嘿，这个问题我之前也踩过坑！咱们来拆解一下问题，然后给出最靠谱的解决方案～

错误原因分析 #

你写的lambda里直接用了df_transactions['plan_list_price'] ==0 & df_transactions['actual_amount_paid'] >0，这会生成一个整个DataFrame列的布尔数组。而apply默认是对列的每个元素单独处理的，这时候Pandas不知道你要判断这个布尔数组的整体真值（是要任意一个为真？还是全部为真？），所以就抛出了ValueError。

最优解决方案：用矢量化操作（推荐） #

其实完全不需要用apply，Pandas的矢量化操作不仅代码简洁，运行效率还高得多！直接基于列的布尔条件生成新列：

# 注意括号！&的优先级比比较运算符高，必须给每个条件加括号
df_transactions['emome'] = ((df_transactions['plan_list_price'] == 0) & (df_transactions['actual_amount_paid'] > 0)).astype(int)

这段代码会先对每一行判断两个条件：plan_list_price等于0 且 actual_amount_paid大于0，生成一个布尔Series，最后把布尔值转成整数（True→1，False→0）。

如果一定要用apply的写法 #

如果你因为某些场景必须用apply，那要让它逐行处理数据，而不是只处理单个列的元素。这时候需要指定axis=1，让lambda接收每一行的对象：

df_transactions['emome'] = df_transactions.apply(
    lambda row: 1 if (row['plan_list_price'] == 0) & (row['actual_amount_paid'] > 0) else 0,
    axis=1
).astype(int)

这里的row代表DataFrame的每一行，你可以直接通过row['列名']获取该行对应列的值，这样判断的就是单一行的条件，不会产生整个Series的歧义。

⚠️ 注意：apply(axis=1)的运行效率远低于矢量化操作，数据量较大的时候不推荐使用哦！

内容的提问来源于stack exchange，提问作者Chia Yi