基于字典条件为DataFrame创建referral_fee列的技术求助

需要为包含ASIN、category、price列的DataFrame新增referral_fee列，规则由以下字典定义——部分类别是固定比例，部分是依赖价格的lambda函数：

referral_fees = {
        "Amazon Device Accessories": 0.45,
        "Appliances - Compact": lambda price: 0.15 if 0 < price <= 300 else 0.08,
        "Appliances - Full-size": 0.08,
        "Automotive and Powersports": 0.12,
        "Base Equipment Power Tools": 0.12,
        "Baby Products": lambda price: 0.08 if 0 < price <= 10 else 0.15}

原始数据：

预期生成含referral_fee列的结果：

之前尝试的问题 #

• 直接使用df["referral_fee"] = df["category"].map(referral_fees)：结果列出现函数对象（如<function <lambda> at 0x000001EAFE8CE040>），而非计算后的数值。
• 自定义函数触发unhashable type: 'Series'错误：原因是尝试用Series作为字典键，无法匹配。

解决方案 #

方法1：逐行处理（最直观） #

定义函数判断规则类型，用apply遍历每行计算：

def calculate_referral_fee(row):
    rule = referral_fees[row['category']]
    return rule(row['price']) if callable(rule) else rule

df['referral_fee'] = df.apply(calculate_referral_fee, axis=1)

方法2：分离固定/动态规则（性能更优） #

先填充固定比例，再单独处理需要计算的类别：

# 拆分固定比例和动态计算规则
fixed_rules = {k: v for k, v in referral_fees.items() if not callable(v)}
dynamic_rules = {k: v for k, v in referral_fees.items() if callable(v)}

# 填充固定比例
df['referral_fee'] = df['category'].map(fixed_rules)

# 处理动态计算的类别
for cat, func in dynamic_rules.items():
    mask = df['category'] == cat
    df.loc[mask, 'referral_fee'] = df.loc[mask, 'price'].apply(func)

方法3：一行式简化写法 #

如果偏好简洁代码，直接在apply中嵌入逻辑：

df['referral_fee'] = df.apply(
    lambda r: referral_fees[r['category']](r['price']) 
    if callable(referral_fees[r['category']]) 
    else referral_fees[r['category']],
    axis=1
)

内容的提问来源于stack exchange，提问作者Chandrashekhar Bagul