你可能想做

df['Normalized'] = np.where(df['Currency'] == '$', df['Budget'] * 0.78125, df['Budget'])

通过另一种方式，类似的结果可能是编写一个函数，对一行执行所需的操作，使用row['fieldname']语法访问各个值/列，然后对其执行DataFrame.apply方法
这与这里所联系的问题的答案相呼应：pandas基于其他列的值创建新列

def normalise_row(row):
    if row['Currency'] == '$'
    ...
    ...
    ...
    return result

df['Normalized'] = df.apply(lambda row : normalise_row(row), axis=1)

一个不需要为numpy额外导入的选项：

df['Normalized'] = df['Budget'].where(df['Currency']=='$', df['Budget'] * 0.78125)

把Tom Kimber的建议更进一步，你可以使用函数字典来为你的函数设置各种条件。这种解决办法扩大了问题的范围。
我用的是一个个人应用程序的例子。

# write the dictionary

def applyCalculateSpend (df_name, cost_method_col, metric_col, rate_col, total_planned_col):
    calculations = {
            'CPMV'  : df_name[metric_col] / 1000 * df_name[rate_col],
            'Free'  : 0
            }
    df_method = df_name[cost_method_col]
    return calculations.get(df_method, "not in dict")

# call the function inside a lambda

test_df['spend'] = test_df.apply(lambda row: applyCalculateSpend(
row,
cost_method_col='cost method',
metric_col='metric',
rate_col='rate',
total_planned_col='total planned'), axis = 1)

  cost method  metric  rate  total planned  spend
0        CPMV    2000   100           1000  200.0
1        CPMV    4000   100           1000  400.0
4        Free       1     2              3    0.0

Panda的loc也可以用于：

# First assign Budget to the entire column
df['Normalized'] = df['Budget']
# Then convert to dollars where necessary
df.loc[df['Currency'] == '$', 'Normalized'] = df['Budget'] * 0.78125

df.loc[df['col1'].isnull(), 'col2'] = values