pandas按条件用for循环填充DataFrame列的异常排查

你的代码跑不出结果、逻辑不生效有三个核心问题：

• 逐行for循环遍历pandas列是极低效的写法：pandas是基于numpy的向量化运算设计的，纯Python层的逐行循环在数据量稍大（比如十万行以上的航班数据集）时，性能会比内置向量化方法差成百上千倍，这就是你跑几小时都没结果的直接原因。
• Series.add()方法不会原地修改数据：pandas中绝大多数Series、DataFrame的运算方法都会返回一个新的对象，不会直接修改原数据，你代码里写的fdf['COMPENSATION'].add(xxx)既没有赋值接收返回值，也没有指定原地修改，就算循环跑完，COMPENSATION列也永远是你初始插入的0，完全不会变。
• 映射规则和你给出的预期效果不匹配：你代码里写的15<延误时长≤30时给50补偿，但你给的样例中延误25的补偿是0，规则阈值和值的对应关系本身写错了。

直接用pandas内置的分箱方法pd.cut()做区间映射，全程向量化运算，哪怕百万行数据也是毫秒级出结果，完全不需要循环。
首先根据你给出的样例反推正确的区间规则：

• 到达延误 ≤30分钟：补偿0
• 30分钟 < 到达延误 ≤60分钟：补偿50
• 60分钟 < 到达延误 ≤120分钟：补偿250
• 120分钟 < 到达延误 ≤180分钟：补偿500
• 到达延误 >180分钟：补偿1000

对应实现代码：

import pandas as pd

# 定义分箱边界，区间为左开右闭
delay_bins = [-float('inf'), 30, 60, 120, 180, float('inf')]
# 每个区间对应的补偿值，顺序和分箱区间一一对应
compensation_list = [0, 50, 250, 500, 1000]

# 直接生成COMPENSATION列，不需要提前插入初始值
fdf['COMPENSATION'] = pd.cut(
    x=fdf['ARRIVAL_DELAY'],
    bins=delay_bins,
    labels=compensation_list
).astype('int64')  # 将分箱返回的category类型转为整数类型

跑出来的结果和你给出的样例完全匹配：

如果你的映射规则后续会加更多复杂判断，也可以用numpy.select实现，同样是向量化运算，性能和pd.cut接近：

import numpy as np

# 按顺序写判断条件
cond_list = [
    fdf['ARRIVAL_DELAY'] <= 30,
    (fdf['ARRIVAL_DELAY'] > 30) & (fdf['ARRIVAL_DELAY'] <= 60),
    (fdf['ARRIVAL_DELAY'] > 60) & (fdf['ARRIVAL_DELAY'] <= 120),
    (fdf['ARRIVAL_DELAY'] > 120) & (fdf['ARRIVAL_DELAY'] <= 180),
    fdf['ARRIVAL_DELAY'] > 180
]
# 条件对应的值
value_list = [0, 50, 250, 500, 1000]

fdf['COMPENSATION'] = np.select(condlist=cond_list, choicelist=value_list)

写pandas代码时尽量避免写逐行遍历的for循环，绝大多数数据处理场景都有对应的内置向量化实现，性能差距通常是几小时和几毫秒的区别。另外注意pandas的运算方法默认不会修改原数据，必须将运算结果重新赋值给对应列才能生效。

内容的提问来源于stack exchange，提问作者imark