如何为DataFrame所有行调用函数，基于timestamp生成price列？

我有一个包含timestamp列的Pandas DataFrame，需要将每行的timestamp传入fetch_price函数获取对应价格，新增price列。DataFrame示例如下：

date_time   timestamp
0  2022-09-20 23:55:02  1663718102
1  2022-09-21 23:55:02  1663804502
2  2022-09-22 23:59:02  1663891142
3  2022-09-23 23:59:02  1663977542
4  2022-09-24 23:59:02  1664063942
5  2022-09-25 23:59:03  1664150343
6  2022-09-26 23:59:02  1664236742
7  2022-09-27 23:59:03  1664323143
8  2022-09-28 23:59:03  1664409543
9  2022-09-29 23:59:03  1664495943
10 2022-09-30 23:59:02  1664582342
11 2022-10-01 23:59:02  1664668742
12 2022-10-02 23:59:02  1664755142
13 2022-10-03 23:59:03  1664841543

使用的函数：

def fetch_price(timestamp):
    data = session_auth.query_kline(
        symbol="BTCUSDT",
        interval=1,
        limit=2,
        from_time=timestamp)
    price = data["result"][0]["close"]
    return price

目前能单独调用函数，但不知道如何结合DataFrame生成新列。

1. 使用apply方法 #

直接对timestamp列应用函数，生成新列：

df['price'] = df['timestamp'].apply(fetch_price)

apply会遍历timestamp列的每个值，传入fetch_price后将返回结果组成price列。

2. 批量优化（推荐） #

如果DataFrame行数多，逐个调用API效率低。若API支持批量查询，可一次性传入所有timestamp，再匹配结果：

# 获取所有timestamp
timestamps = df['timestamp'].tolist()

# 假设API支持批量请求（需根据实际API调整）
# data_batch = session_auth.query_kline_batch(symbol="BTCUSDT", interval=1, timestamps=timestamps)
# prices = [item['close'] for item in data_batch['result']]

# 若API不支持批量，用列表推导式（和apply效率接近，但便于添加异常处理）
prices = []
for ts in timestamps:
    try:
        prices.append(fetch_price(ts))
    except Exception as e:
        print(f"获取timestamp {ts}的价格失败: {e}")
        prices.append(None)

df['price'] = prices

异常处理建议 #

为避免单个请求失败导致整个流程中断，给fetch_price添加异常捕获：

def fetch_price(timestamp):
    try:
        data = session_auth.query_kline(
            symbol="BTCUSDT",
            interval=1,
            limit=2,
            from_time=timestamp)
        return data["result"][0]["close"]
    except (KeyError, ConnectionError) as e:
        print(f"获取timestamp {ts}的价格出错: {e}")
        return None

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