如何在Pandas中按条件修改Price列并导出至Excel？

问题需求 #

想用Python的apply和lambda修改DataFrame的Price列，规则如下：

• 价格小于20时保持不变
• 20<价格<30时加1
• 30<价格<40时加1.5，以此类推

自行编写的addition函数存在语法错误，无法得到正确结果，同时不知道如何将更新后的DataFrame导出为Excel文件。认为用lambda更简便，但不清楚怎么按条件拆分更新价格列。

错误尝试代码 #

def addition():
    if k[k['Price']] < 20]:
        pass
    if k[(k['Price']] > 20) & (k['Price] < 30)]:
       return k + 1
    if k[(k['Price']] > 30.01) & (k['Price] < 40)]:
       return k + 1.50

待处理的Price列数据示例 #

0        23.198824
   1        21.080706
   2        15.810118
   3        21.787059
   4        18.821882
                  ...    
   33525    20.347059
   33526    25.665882
   33527    33.077647
   33528    21.803529
   33529    23.043529
   Name: Price, Length: 33530, dtype: float64

解决方案 #

1. 用apply+lambda实现条件更新 #

你的错误函数核心问题是：没有接收单个价格值作为参数，反而错误地用了DataFrame的索引语法处理单个值。正确的做法是让函数接收单个价格，判断后返回对应结果，再通过apply批量处理。

方法一：单独定义函数+apply

import pandas as pd

# 假设你的DataFrame名为df
def calculate_price(price):
    if price < 20:
        return price
    elif 20 < price < 30:
        return price + 1
    elif 30 < price < 40:
        return price + 1.5
    # 可继续添加更多区间规则，比如40-50加2，以此类推
    else:
        return price  # 处理超出已定义区间的情况

# 更新Price列
df['Price'] = df['Price'].apply(calculate_price)

方法二：纯lambda嵌套（适合简单逻辑）

如果不想单独写函数，可用嵌套三元表达式实现，但逻辑复杂时可读性会下降：

df['Price'] = df['Price'].apply(
    lambda x: x if x < 20 else (x+1 if 20 < x < 30 else (x+1.5 if 30 < x < 40 else x))
)

2. 更高效的向量化方法：np.select（推荐） #

当数据量较大（比如你有3万多条数据），apply的效率不如向量化操作，用numpy.select会更快：

import numpy as np

# 定义条件列表
conditions = [
    df['Price'] < 20,
    (df['Price'] > 20) & (df['Price'] < 30),
    (df['Price'] > 30) & (df['Price'] < 40)
]
# 对应条件的结果列表
choices = [
    df['Price'],
    df['Price'] + 1,
    df['Price'] + 1.5
]

# 应用条件更新
df['Price'] = np.select(conditions, choices, default=df['Price'])

3. 导出更新后的DataFrame到Excel #

用pandas的to_excel方法即可，若导出.xlsx格式需先安装openpyxl依赖：

# 先安装依赖（未安装时执行）
# pip install openpyxl

# 导出到Excel，index=False表示不导出索引列
df.to_excel('updated_prices.xlsx', index=False)

内容的提问来源于stack exchange，提问作者jumpman23