Python中如何高效创建DataFrame新列并通过自定义函数填充值

你之前的写法每次循环都给整个price列重新赋值，因此循环结束后整列只会保留最后一次计算得到的价格值。

直接使用pandas的apply按行处理，不需要手动写循环，代码更简洁效率更高：

CAR['price'] = CAR.apply(lambda row: calculate_price((row['car_model'], row['year'])), axis=1)

注：axis=1表示按行遍历，每一行的car_model和year会被包装成元组传入自定义函数，返回结果会自动对应到当前行的price列。

如果你需要保留原有循环逻辑，需要通过行索引给对应位置单独赋值，修改后代码如下：

# 方式1：基于原numpy遍历逻辑修改（适配索引为默认0开始连续整数的DataFrame）
model_year = CAR[["car_model", "year"]]
for idx, x in enumerate(model_year.to_numpy()):
    model_year_tuple = tuple(x)
    price = calculate_price(model_year_tuple)
    # 给索引为idx的行的price列单独赋值
    CAR.loc[idx, 'price'] = price

# 方式2：使用iterrows遍历（适配任意索引格式的DataFrame）
for idx, row in CAR.iterrows():
    model_year_tuple = (row['car_model'], row['year'])
    price = calculate_price(model_year_tuple)
    CAR.loc[idx, 'price'] = price

内容的提问来源于stack exchange，提问作者jimmy