用字典中的映射值添加一个新的熊猫列

Question

我想要做一些在熊猫中应该非常简单的东西，但它似乎什么都不是。我正在尝试将列添加到基于另一个（现有）列的映射值的现有熊猫数据框中。这里是一个小的测试案例：

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) 

我希望下面的会导致：

 A B 
0 7001 1 
1 8001 2 
2 9001 3 

相反，我得到一个错误，告诉我，当量是不是调用函数。公平的，这是一本字典，但即使我把它包装在一个函数中，我仍然感到沮丧。于是，我就用这似乎与其他业务工作的一个地图功能，但它也通过使用字典的战败：

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

在这种情况下，我刚刚得到KeyError异常：8001我已经通过阅读文档和以前的帖子，但还没有遇到任何建议如何混合字典与熊猫数据框。任何建议将不胜感激。

Answer 1

正确的做法是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] 

它会处理这种情况时，该键不存在非常漂亮，考虑下面的例子：

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]