基于字典与多列值生成新列：times=2时的取值处理问题

给定数据 #

首先是用于匹配费用的字典和目标DataFrame：

import pandas as pd

fee = {
    ('CL',  'SB') :295,
    ('CL',  'NB') :150,
    ('BR',  'SB') :120,
    ('BR',  'NB') :120,
    ('AR',  'SB') :150,
    ('AR',  'NB') :150,
    ('CN',  'SB') :285,
    ('CN',  'NB') :215,
    ('MX',  'SB') :115,
    ('MX',  'NB') :115,
    ('UK',  'SB') :170,
    ('UK',  'NB') :120,
}

dateval= pd.DataFrame({
    'Country': ['CL', 'CL', 'MX', 'UK', 'CN', 'AR', 'AR', 'BR'],
    'direction': ['SB', 'NB', 'SB', 'SB', 'NB', 'SB', 'SB', 'NB'],
    'times': [1, 1, 1, 2, 1, 2, 1, 2],
    'amountdesired': [295,150,115,290,215,300,150,240]
})

需求说明 #

当前代码仅能处理times=1的场景，需要实现：

• 当times=1时，直接取字典中对应(Country, direction)组合的费用值
• 当times=2时，取对应字典值的2倍
• 不修改原有fee字典的结构

解决方案1：逐行处理（简洁直观） #

使用apply结合lambda函数，直接在每行中完成字典匹配和倍数计算：

dateval['amountdesired'] = dateval.apply(
    lambda row: fee[(row['Country'], row['direction'])] * row['times'],
    axis=1
)

解决方案2：分两步计算（性能更优） #

对于数据量较大的场景，先通过map批量获取基础费用，再与times列相乘，比逐行apply效率更高：

# 1. 批量获取每个组合的基础费用
dateval['base_fee'] = dateval[['Country', 'direction']].apply(tuple, axis=1).map(fee)
# 2. 计算最终金额
dateval['amountdesired'] = dateval['base_fee'] * dateval['times']
# 可选：删除中间生成的base_fee列
dateval.drop('base_fee', axis=1, inplace=True)

验证结果 #

运行上述代码后，dateval的amountdesired列将符合预期：

Country direction  times  amountdesired
0      CL        SB      1            295
1      CL        NB      1            150
2      MX        SB      1            115
3      UK        SB      2            340
4      CN        NB      1            215
5      AR        SB      2            300
6      AR        SB      1            150
7      BR        NB      2            240

内容的提问来源于stack exchange，提问作者Carlos C