基于多列组合创建Pandas布尔列时遇ValueError求助

你遇到的这个错误根源是Python运算符优先级：&（按位与）和|（按位或）的优先级比==更高，导致你的表达式被错误解析——比如False & df_edit['Update Check']会试图把单个布尔值和整个Series做按位运算，这就触发了"truth value ambiguous"的报错。

修正方案：给每个比较条件加括号 #

要让逻辑运算符合你的预期，必须把每个单独的比较结果用括号包裹，确保先执行比较，再执行逻辑组合：

import pandas as pd
df_edit = pd.DataFrame({
    'Included': [False, False, True, False],
    'Update Check': [True, True, True, True],
    'duplicate_fname': [True, False, False, False],
    'duplicate_targetfname': [False, False, False, False]
})

# 修正后的表达式，每个比较都用括号隔离
df_edit['test'] = (df_edit['Included'] == False) & \
                  (df_edit['Update Check'] == True) & \
                  ((df_edit['duplicate_fname'] == True) | (df_edit['duplicate_targetfname'] == True))

# 查看结果
print(df_edit['test'])

运行后输出的test列就是你期望的：

0     True
1    False
2    False
3    False
Name: test, dtype: bool

更简洁的Pandas风格写法 #

你还可以利用Pandas对布尔Series的直接操作，简化代码（效果完全一致）：

• 用~代替== False（取反）
• 直接用布尔列本身代替== True

df_edit['test'] = ~df_edit['Included'] & \
                  df_edit['Update Check'] & \
                  (df_edit['duplicate_fname'] | df_edit['duplicate_targetfname'])

这样代码更简洁，也更符合Pandas的惯用写法。

内容的提问来源于stack exchange，提问作者Laurens de Wit