Python中np.where多条件创建DataFrame新列报错解决方法

你的代码存在4个核心问题，直接触发报错或导致计算结果错误：

• 列名、变量名引用错误：规则中使用的字段为Quantity Total Price，代码中误写为Quantity Total First，还引用了当前上下文中不存在的data_state2变量
• np.where用法不符合规范：np.where仅支持单条件双分支判断，不支持直接传入多条件列表匹配多结果值，传入的条件列表长度和DataFrame索引长度不匹配，直接触发ValueError
• 区间规则不严谨：自定义的条件存在边界重叠、区间遗漏问题，没有覆盖大于60亿的取值区间，边界判断不符合左开右闭的规则要求
• 赋值逻辑错误：直接对merged['Rate1']字段赋值会覆盖原始Rate1值，后续权重计算会读取到被修改后的值，导致结果偏差

优先推荐使用pd.cut实现分箱计算，逻辑清晰不易出现边界错误：

import pandas as pd
import numpy as np

# 定义区间边界、每个区间对应的Rate权重（Rate1权重 = 1 - Rate权重）
bins = [0, 50000000, 500000000, 2000000000, 4000000000, 6000000000, 99999999999999]
rate_weights = [1, 0.9, 0.8, 0.5, 0.25, 0]

# 备份原始Rate1值，避免覆盖导致计算错误
original_rate1 = merged['Rate1'].copy()

# 分箱匹配对应权重
merged['最终费率'] = pd.cut(
    merged['Quantity Total Price'],
    bins=bins,
    labels=rate_weights,
    include_lowest=True
).astype(float)

# 按权重计算最终结果
merged['最终费率'] = merged['Rate'] * merged['最终费率'] + original_rate1 * (1 - merged['最终费率'])

如果需要使用np.where实现，可使用嵌套写法，同样可以得到正确结果：

original_rate1 = merged['Rate1'].copy()
qtp = merged['Quantity Total Price']

merged['最终费率'] = np.where(
    qtp <= 50000000,
    merged['Rate'],
    np.where(
        qtp <= 500000000,
        merged['Rate']*0.9 + original_rate1*0.1,
        np.where(
            qtp <= 2000000000,
            merged['Rate']*0.8 + original_rate1*0.2,
            np.where(
                qtp <= 4000000000,
                merged['Rate']*0.5 + original_rate1*0.5,
                np.where(
                    qtp <= 6000000000,
                    merged['Rate']*0.25 + original_rate1*0.75,
                    original_rate1
                )
            )
        )
    )
)

用你给出的测试样例验证，计算结果完全匹配预期：

• 数量总价20000000 → 结果15
• 数量总价100000000 → 结果14.95
• 数量总价700000000 → 结果14.9
• 数量总价3000000000 → 结果14.75
• 数量总价5000000000 → 结果14.625
• 数量总价7000000000 → 结果14.5

注意：禁止直接覆盖原始Rate1列存储计算结果，否则计算过程中会读取到被修改的Rate1值，导致权重计算偏差，建议新建独立列存储最终结果。

内容的提问来源于stack exchange，提问作者Bianconera99