如何为DataFrame添加MRT票价列与统一票价列？求替代iterrows的方法

1. 新增single trip列（统一票价） #

这一步操作最简单，直接赋值即可：

df['single trip'] = 6900

2. 新增MRT票价列（按人群分档） #

推荐使用向量化操作，比iterrows效率更高且不易出错，以下是几种常用实现方法：

方法一：用np.select（多条件场景清晰直观）

先导入numpy库，定义匹配条件和对应票价（把示例中的票价数值替换成你的实际业务数据）：

import numpy as np

# 定义各群体的匹配条件
conditions = [
    df['concession_type'] == 1200,  # 学生群体
    df['concession_type'] == 4050,  # 国家服役人员/成人
    df['concession_type'] == 2070   # 老年人
]

# 对应各群体的MRT票价（示例数值，替换为实际票价）
fare_values = [1.0, 1.5, 0.7]

# 生成MRT票价列，default处理未匹配的特殊情况
df['MRT票价'] = np.select(conditions, fare_values, default=1.5)

方法二：用字典映射（代码简洁易维护）

构建concession_type到对应票价的映射字典，再用map批量赋值：

# 构建类型-票价映射字典
fare_map = {
    1200: 1.0,   # 学生票价
    4050: 1.5,   # 成人/国家服役人员票价
    2070: 0.7    # 老年人票价
}

# 生成MRT票价列，fillna处理未在字典中的特殊类型
df['MRT票价'] = df['concession_type'].map(fare_map).fillna(1.5)

方法三：用apply（适合复杂逻辑，效率略低）

如果需要更复杂的判断逻辑，可以用apply实现，但不建议用于超大数据集：

def calculate_mrt_fare(row):
    if row['concession_type'] == 1200:
        return 1.0
    elif row['concession_type'] == 4050:
        return 1.5
    elif row['concession_type'] == 2070:
        return 0.7
    else:
        return 1.5  # 默认返回成人票价

df['MRT票价'] = df.apply(calculate_mrt_fare, axis=1)

注：iterrows容易失败的原因是它返回的是行数据的副本，直接修改不会同步到原DataFrame，而且逐行迭代的效率远低于向量化操作，因此优先使用上述方法。

内容的提问来源于stack exchange，提问作者mobly elliot