如何在Python中基于两个DataFrame实现条件计算

首先先创建你描述的两个DataFrame：

import pandas as pd
import numpy as np

# 初始化df1
df1 = pd.DataFrame({
    'YN': ['Y', 'N'],
    'Cost': [100, 50]
})

# 初始化df2
df2 = pd.DataFrame({
    'Category': ['A', 'B'],
    'Factor': [0.10, 0.20]
})

步骤1：提取df2中的对应因子 #

先把df2里Category为A和B的Factor提取出来，方便后续调用：

# 提取Category=A的因子
factor_a = df2.loc[df2['Category'] == 'A', 'Factor'].iloc[0]
# 提取Category=B的因子
factor_b = df2.loc[df2['Category'] == 'B', 'Factor'].iloc[0]

用iloc[0]比直接取数组值更稳妥，避免索引相关的小问题。

方法1：用np.where实现条件判断（最推荐，简洁高效） #

这是处理简单条件逻辑最常用的方法，一行代码搞定：

df1['Price'] = np.where(df1['YN'] == 'Y', df1['Cost'] * factor_a, df1['Cost'] * factor_b)

逻辑：如果YN等于Y，就用Cost乘factor_a；否则乘factor_b。

方法2：字典映射+列运算（可读性强） #

先把YN值和对应的因子做成字典，再映射后计算：

# 建立YN到因子的映射字典
factor_dict = {'Y': factor_a, 'N': factor_b}
# 先映射得到每行对应的因子，再和Cost相乘
df1['Price'] = df1['YN'].map(factor_dict) * df1['Cost']

方法3：apply逐行处理（适合复杂逻辑，效率稍低） #

如果后续逻辑变复杂，可自定义函数逐行计算：

def compute_price(row):
    if row['YN'] == 'Y':
        return row['Cost'] * factor_a
    else:
        return row['Cost'] * factor_b

# axis=1表示按行应用函数
df1['Price'] = df1.apply(compute_price, axis=1)

验证结果 #

运行任意一种方法后，打印df1会得到：

YN  Cost  Price
0  Y   100   10.0
1  N    50   10.0

扩展提示 #

如果你的数据里YN有其他取值，或者df2的Category可能缺失，可以用fillna设置默认值，比如：

# 方法2中添加默认因子（比如0.05）
df1['Price'] = df1['YN'].map(factor_dict).fillna(0.05) * df1['Cost']

内容的提问来源于stack exchange，提问作者ma0ma0