如何通过Pandas遍历DataFrame行结合条件判断计算多币种佣金USD值

• 原代码的核心逻辑错误：循环遍历每一个「Fee Coin」取值时，每次条件命中都会给整个DataFrame的「Fee in USD」列做全量赋值，而非对匹配条件的行单独计算。两次循环的赋值结果会互相覆盖：
  1. 第一次循环取到EUR值时，计算全列的Fee * USD Price得到[3.15, 0.00055]，将整列值赋给新列
  2. 第二次循环取到BTC值时，计算全列的Fee * BTC Price得到[72000, 13.5]，直接覆盖之前整列的结果，最终输出完全不符合预期。
• 此外无意义的逐行遍历赋值效率极低，pandas提供的向量化操作可以在不遍历行的前提下完成逐行匹配计算。

方案1：向量化条件计算（推荐，效率最高） #

借助numpy的条件判断函数逐行匹配币种规则，无需手动写循环：

import numpy as np
# 逐行匹配币种，计算对应美元折算值
df["Fee in USD"] = np.where(
    df["Fee Coin"] == "EUR",
    df["Fee"] * df["USD Price"],
    np.where(
        df["Fee Coin"] == "BTC",
        df["Fee"] * df["BTC Price"],
        np.nan
    )
)

如果后续涉及更多计价币种，嵌套条件的可读性会下降，可以改用更清晰的批量规则匹配写法：

# 定义匹配规则
match_conditions = [
    df["Fee Coin"] == "EUR",
    df["Fee Coin"] == "BTC"
]
calc_rules = [
    df["Fee"] * df["USD Price"],
    df["Fee"] * df["BTC Price"]
]
# 未匹配到规则的币种默认留空
df["Fee in USD"] = np.select(match_conditions, calc_rules, default=np.nan)

运行代码后即可得到预期结果：第一行值为3.15，第二行值为13.5。

方案2：逐行遍历的修正写法 #

如果确实需要逐行遍历完成计算，需要调整赋值逻辑为按行索引定位，避免全列覆盖：

# 先初始化新列，避免计算过程中出现空值
df["Fee in USD"] = 0.0
for idx, row in df.iterrows():
    if row["Fee Coin"] == "EUR":
        # 仅对当前遍历到的行赋值
        df.loc[idx, "Fee in USD"] = row["Fee"] * row["USD Price"]
    elif row["Fee Coin"] == "BTC":
        df.loc[idx, "Fee in USD"] = row["Fee"] * row["BTC Price"]

该写法仅适合小数据量场景，数据量较大时性能远低于向量化计算方法。

补充说明：当前示例中的「USD Price」列，对EUR行来说存储的是EUR/USD即期汇率，对非EUR计价的行来说不参与计算，和实际券商佣金折算的逻辑完全匹配。

内容的提问来源于stack exchange，提问作者HobbyCoder11