Pandas：基于其他列创建新列的有效方法。多到少答案

【问题标题】：Pandas: Efficient way of creating new column based on other column. Many to fewPandas：基于其他列创建新列的有效方法。多到少
【发布时间】：2016-05-24 02:57:40
【问题描述】：

例如：

df = pd.DataFrame( {"A": [7001, 8001, 9001]} )
equiv = {1:[7001, 8001], 2: [9001]}
df["B"] = df["A"].map(equiv.get)

以

结束

a, b
7001, 1
8001, 1
9001, 2

我在想这样的事情：

df = pd.DataFrame( {"A": [7001, 8001, 9001]} )
equiv = {1:[7001, 8001], 2: 9001}
df["B"] = df["A"].map(equiv.get)

我不想使用equiv = {7001:1, 8001:1, 9001:2}，因为在我的实际数据集中我会有很多字符串值映射到1 和2

【问题讨论】：

为什么值 9001 不在一个元素中 list 像 [9001] ？
@jezrael 哦，感谢那些错别字！
我可以将9001 放在一个元素list 中，但这不会达到我的目标。也许那看起来会更干净......我会更新它！
谢谢。您如何看待解决方案将dictionary of lists 更改为inverted dictionary 然后使用map？ d = dict( (v,k) for k in equiv for v in equiv[k] ) 和 df["B"] = df["A"].map(d)
我不完全理解...我将不得不谷歌/考虑一下...但根据我的粗略理解，这可能有效！

标签： python-2.7 dictionary pandas apply

【解决方案1】：

您可以使用inverted dictionary 然后map 它：

import pandas as pd

df = pd.DataFrame( {"A": [7001, 8001, 9001]} )
print df
      A
0  7001
1  8001
2  9001

equiv = {1:[7001, 8001], 2: [9001]}

d = dict( (v,k) for k in equiv for v in equiv[k] )
print d
{7001: 1, 9001: 2, 8001: 1}

df["B"] = df["A"].map(d)
print df
      A  B
0  7001  1
1  8001  1
2  9001  2

【讨论】：

谢谢，这正是我要找的！