以下是使用np.where()的方法：这比服装函数import numpy as np更高效

df['total_cost'] = np.where((df['minuts'] >= 1) & (df['seconds'] >= 1), df['cost'] + 0.5,
                   np.where((df['minuts'] < 1) & (df['seconds'] >= 1), df['cost'] + 1.5,
                   np.where(df['minuts'] < 1, df['cost'], np.nan)))
                   
print(df)

minuts  seconds  total_sec  cost  total_cost
0       1       49        109   1.5         2.0
1       0       57         57   0.0         1.5
2       0       34         34   0.0         1.5
3       2        0        120   2.0         NaN
4       0       55         55   0.0         1.5
5       6       47        407   4.0         4.5

按行应用所需条件以计算total_cost值：

def f(row):
    if row['minuts'] < 1:
        if row['seconds'] >= 1:
            return row['cost'] + 1.5
        else:
            return row['cost']
    elif row['seconds'] >= 1:
        return row['cost'] + 0.5
    return row['total_cost']

df['total_cost'] = df.apply(f, axis=1)

minuts  seconds  total_sec  cost  total_cost
0       1       49        109   1.5         2.0
1       0       57         57   0.0         1.5
2       0       34         34   0.0         1.5
3       2        0        120   2.0         NaN
4       0       55         55   0.0         1.5
5       6       47        407   4.0         4.5

当你执行df.loc[(df['minuts'] >= 1) & (df['seconds'] >= 1)]时，你会得到满足第一个条件的子集，但是当你把if加到它上面时：
if df.loc[(df['minuts'] >= 1) & (df['seconds'] >= 1)]:
现在您尝试计算if <dataframe>:，并且正如错误所述，DataFrame的真值是不明确的。
一种不需要额外导入的解决方案是获取与每个条件对应的索引，然后使用iloc赋值：

q1 = df.query('minuts >= 1 & seconds >= 1').index
df.at[q1,'total_cost'] = df.iloc[q1]['cost'] + 0.5

q2 = df.query('minuts < 1 & seconds >= 1').index
df.at[q2,'total_cost'] = df.iloc[q2]['cost'] + 1.5

q3 = df.query('minuts < 1 & seconds < 1').index
df.at[q3,'total_cost'] = df.iloc[q3]['cost']

注意，我使用了query，但它应该可以与q1 = df.loc[(df['minuts'] >= 1) & (df['seconds'] >= 1)].index一起使用。