基于Currency列值计算D列：Python实现多条件列求和

原代码存在的问题 #

• 遍历方式错误：range(df['Currency']) 无法遍历Series类型数据，range() 仅接受整数参数，此处不应使用该方式遍历数据行。
• 赋值逻辑错误：每次循环都对整个df['D']列赋值，会覆盖之前所有行的计算结果，最终仅保留最后一次循环的赋值，无法实现多条件分别计算。
• 语法错误：else 块未填充逻辑，且函数调用rates()缩进错误，被包含在else块内，导致无法正常执行。

正确实现方式 #

推荐使用pandas矢量化操作（无需循环），这是pandas的最佳实践，效率更高且代码简洁：

import pandas as pd

# 假设df是你的目标DataFrame
# 初始化D列
df['D'] = pd.Series(dtype='float64')

# 按Currency条件分别赋值
df.loc[df['Currency'] == 'GBP', 'D'] = df['Column A'] + df['Column C']
df.loc[df['Currency'] == 'EUR', 'D'] = df['Column B'] + df['Column C']

# 处理未匹配条件的情况，例如设为缺失值
df['D'] = df['D'].fillna(pd.NA)

如果一定要用逐行循环（不推荐，大数据量下性能差），可以这样写：

def calculate_d_column(df):
    # 初始化D列为缺失值
    df['D'] = pd.NA
    for idx, row in df.iterrows():
        if row['Currency'] == 'GBP':
            df.at[idx, 'D'] = row['Column A'] + row['Column C']
        elif row['Currency'] == 'EUR':
            df.at[idx, 'D'] = row['Column B'] + row['Column C']
        # 其他Currency类型保持默认缺失值即可

# 调用函数生成D列
calculate_d_column(df)

说明 #

• 矢量化操作通过loc精准定位符合条件的行，直接赋值对应计算结果，不会覆盖其他行数据，性能远优于逐行循环。
• 若有其他Currency类型的处理需求，可补充对应的loc赋值逻辑，或调整默认值规则。

内容的提问来源于stack exchange，提问作者Oerp