使用字典中的映射值添加新的pandas列

Question

我试着做一些在熊猫身上应该很简单的事情，但似乎不是。我正在尝试将一个列添加到一个现有的pandas数据帧，该数据帧是基于另一个（现有）列的映射值。下面是一个小测试用例：

import pandas as pd
equiv = {7001:1, 8001:2, 9001:3}
df = pd.DataFrame( {"A": [7001, 8001, 9001]} )
df["B"] = equiv(df["A"])
print(df)

我希望结果如下：

      A   B
0  7001   1
1  8001   2
2  9001   3

相反，我得到一个错误，告诉我equiv不是一个可调用函数。很公平，这是一本字典，但即使我把它包装成一个函数，我还是会感到沮丧。因此，我尝试使用一个似乎可以与其他操作一起工作的map函数，但它也被字典的使用所击败：

df["B"] = df["A"].map(lambda x:equiv[x])

在这种情况下，我只得到KeyError:8001。我已经阅读了文档和以前的文章，但是还没有发现任何关于如何将字典与pandas数据帧混合使用的建议。如有任何建议，将不胜感激。

Answer 1

正确的方法是df["B"] = df["A"].map(equiv)。

In [55]:

import pandas as pd
equiv = {7001:1, 8001:2, 9001:3}
df = pd.DataFrame( {"A": [7001, 8001, 9001]} )
df["B"] = df["A"].map(equiv)
print(df)
      A  B
0  7001  1
1  8001  2
2  9001  3

[3 rows x 2 columns]

考虑到下面的例子，它可以很好地处理密钥不存在的情况：

In [56]:

import pandas as pd
equiv = {7001:1, 8001:2, 9001:3}
df = pd.DataFrame( {"A": [7001, 8001, 9001, 10000]} )
df["B"] = df["A"].map(equiv)
print(df)
       A   B
0   7001   1
1   8001   2
2   9001   3
3  10000 NaN

[4 rows x 2 columns]