Python Pandas如何基于多列值为DataFrame新增货币转换计算列

你之前用map处理拿不到同行货币值的问题，核心是map只能处理单列数据，没法关联同行其他字段，用下面两种方案都能直接跑通：

方案1：全量逐行计算（代码最简洁，适合小数据集） #

直接按行遍历判断，逻辑和需求完全对齐：

# 替换成你需要的目标货币，比如转换为美元就填"USD"
conv_currency = "CNY"

df[f'currency({conv_currency})'] = df.apply(
    lambda r: None if r["currency"] == conv_currency else converter(r["currency"], conv_currency, r["price"]),
    axis=1
)

参数说明：axis=1代表按行遍历，lambda里的r就是当前行对象，可以直接通过列名取到同行的货币类型、价格两个字段，刚好匹配转换函数的三个入参要求。

方案2：仅计算需要转换的行（性能更优，适合万行以上大数据集） #

你之前写的loc筛选思路是对的，只要调整下赋值逻辑即可，不需要对已经是目标货币的行做无效计算：

conv_currency = "CNY"
# 先把整列初始化为None
df[f'currency({conv_currency})'] = None
# 筛选出所有非目标货币的行，单独计算转换值
convert_mask = df["currency"] != conv_currency
df.loc[convert_mask, f'currency({conv_currency})'] = df[convert_mask].apply(
    lambda r: converter(r["currency"], conv_currency, r["price"]),
    axis=1
)

注意事项 #

• 不要单独对price列调用map：map只能拿到当前列的价格值，没法获取同行的货币类型字段，自然没法凑齐转换函数的入参
• 注意变量名统一：你贴的迭代代码里一会儿用conv_cur一会儿用conv_currency，很容易触发变量未定义的报错
• 如果你的转换函数是调用第三方接口，数据量较大时建议先按货币类型分组，统一拉取对应汇率后做批量计算，能大幅减少接口调用次数，提升运行速度

内容的提问来源于stack exchange，提问作者Kris Bell