ValueError：DataFrame真值不明确问题及apply函数用法咨询

首先来看你遇到的问题：你想给DataFrame新增一列计算total和downloaded的百分比差值，但只在downloaded不为0时计算，否则设为0。你写的函数运行后抛出了ValueError，我们先来拆解这个错误。

错误原因解释 #

你写的diff函数接收的是整个DataFrame对象，而代码里的if ratings[ratings.downloaded > 0]:这一行，是在判断一个布尔索引后的DataFrame的真假——但Pandas里，一个包含多个元素的DataFrame/Series没法直接用if判断真假，因为它不知道你是要判断所有元素为真、还是至少一个为真，所以就会抛出这个“truth value ambiguous”的错误，提示你用.empty、.any()、.all()这类方法，但这其实不是你要的逻辑，因为你的目标是逐行判断，而不是判断整个DataFrame的状态。

场景是否适合用apply函数？ #

完全适合！apply函数就是用来对DataFrame的行或列执行自定义逻辑的工具，而且可以轻松加入条件判断——只要你让apply逐行处理，而不是把整个DataFrame丢给函数。

具体实现方式 #

方式1：使用apply逐行处理 #

修改你的函数，让它接收每一行的Series对象，而不是整个DataFrame，然后指定axis=1让apply逐行执行：

import pandas as pd

# 你的原始DataFrame
ratings = pd.DataFrame({
    'total': [2, 12, 1, 1, 0],
    'downloaded': [2, 12, 1, 1, 0],
    'avg_rating': [5.0, 4.5, 5.0, 4.0, 0.0],
    'id': [1, 2, 3, 4, 5]
})

def diff(row):
    # 现在row是单一行的Series，判断单个数值不会有歧义
    if row['downloaded'] > 0:
        return (row['total'] - row['downloaded']) / row['downloaded']
    else:
        return 0

# axis=1表示逐行应用函数
ratings['Pct Diff'] = ratings.apply(diff, axis=1)

运行后你会得到正确的结果：

total  downloaded  avg_rating  id  Pct Diff
0      2           2         5.0   1       0.0
1     12          12         4.5   2       0.0
2      1           1         5.0   3       0.0
3      1           1         4.0   4       0.0
4      0           0         0.0   5       0.0

方式2：更高效的向量化操作（推荐） #

如果你的数据量很大，apply的效率会不如Pandas的向量化操作。我们可以直接用where方法或者numpy的np.where来实现，不需要循环/逐行处理：

# 方法一：用Pandas的where方法
ratings['Pct Diff'] = ((ratings['total'] - ratings['downloaded']) / ratings['downloaded']).where(ratings['downloaded'] > 0, 0)

# 方法二：用numpy的where
import numpy as np
ratings['Pct Diff'] = np.where(
    ratings['downloaded'] > 0,
    (ratings['total'] - ratings['downloaded']) / ratings['downloaded'],
    0
)

这种方式是对整个列进行批量运算，速度比apply快很多，而且代码更简洁。

内容的提问来源于stack exchange，提问作者Ken Wallace