Pandas如何根据DataFrame其他列的条件计算生成新列值

首先你需要先确保Date列已转换为pandas标准日期类型，否则无法正确提取月份做判断，转换代码如下：

import pandas as pd
import numpy as np

# 日期类型转换，若你的Date列已经是datetime类型可跳过这步
df['Date'] = pd.to_datetime(df['Date'])

以下提供两种生产环境常用的实现方式，均为向量化运算，执行效率远高于逐行遍历：

• 方法1：numpy.where 写法简洁，执行效率最高

df['Price_new'] = np.where(
    # 判断条件：日期月份在4-10月区间
    df['Date'].dt.month.between(4, 10),
    # 满足条件时Price加0.01
    df['Price'] + 0.01,
    # 不满足条件（即11月-次年3月）时Price加0.12
    df['Price'] + 0.12
)

• 方法2：pandas原生loc索引赋值，逻辑直观易排查

# 先给所有行赋11月-次年3月区间的默认值
df['Price_new'] = df['Price'] + 0.12
# 再筛选出4-10月的行，覆盖为对应区间的值
df.loc[df['Date'].dt.month.between(4, 10), 'Price_new'] = df['Price'] + 0.01

注意：你问题里写的第一段赋值代码存在笔误：df[Price] 缺少列名的引号包裹，正确写法为df['Price']，否则运行时会把Price识别为未定义变量直接报错。

• 补充说明：不要使用df.apply逐行做判断的写法，数据量较大时运行速度会比上述两种向量化实现慢几十到上百倍。

内容的提问来源于stack exchange，提问作者noobcoder