如何为字符串列表元素添加x前缀，用于lambda表达式动态字段调用？

一、动态生成分组键（保留原逻辑的适配方案） #

你可以通过从分组列列表中动态提取字段值并组成元组，替代硬编码的字段引用，实现分组字段的灵活变更。同时建议不要用list作为变量名，避免覆盖Python内置的list类型：

group_cols = ['year','month']

# 计算分组均值，直接生成字典（无需额外转列表）
mean_dict = data.groupby(group_cols)["quantity"].mean().to_dict()

df["m"] = df.apply(
    lambda x: mean_dict.get(tuple(x[col] for col in group_cols), 0),
    axis=1
)

这里用dict.get()方法替代了原有的if...else，代码更简洁，同时tuple(x[col] for col in group_cols)会根据group_cols的内容自动生成对应元组，只要修改group_cols里的字段，就能自动适配。

二、更高效的重构方案（推荐） #

原代码用apply逐行处理效率极低，尤其是数据量大时。推荐用以下两种更高效的方式实现需求：

方法1：直接合并均值表 #

先计算分组均值，再通过merge关联到目标DataFrame，最后填充缺失值为0：

group_cols = ['year','month']
# 计算分组均值并命名列
mean_df = data.groupby(group_cols)["quantity"].mean().reset_index(name='m')

# 关联到df，左连接保留所有行
df = df.merge(mean_df, on=group_cols, how='left')
# 缺失值填充为0
df['m'] = df['m'].fillna(0)

方法2：用map批量映射 #

将df的分组列转为元组后，直接用map匹配字典中的均值：

group_cols = ['year','month']
mean_dict = data.groupby(group_cols)["quantity"].mean().to_dict()

# 把分组列转为元组，再批量映射
df['m'] = df[group_cols].apply(tuple, axis=1).map(mean_dict).fillna(0)

原代码的冗余点说明 #

你原代码中m.groupby(list)["quantity"].apply(list).to_dict()属于冗余操作——data.groupby(list).agg({"quantity":"mean"})已经直接得到了分组均值，无需再转成列表存入字典，直接用groupby(...).mean().to_dict()就能生成键为分组元组、值为均值的字典，取值时也不需要额外加[0]。

内容的提问来源于stack exchange，提问作者Cristina Dominguez Fernandez