如何在Pandas多级列中基于查找字典为Group列赋值？

首先，我们来拆解你遇到的问题核心：你的字典dict_map是组名对应成员列表的结构，但你需要的是反过来——根据成员值查找所属组名，同时还要适配Pandas的多级列结构。

问题分析 #

1. 你最初的代码报错TypeError: unhashable type: 'Series'，是因为apply(lambda x: dict_map.get(x))里的x是Series对象，而字典的键必须是可哈希类型（比如字符串），Series无法作为键使用。
2. 后来尝试的df['Group']=df['my_ch'].apply(lambda x: dict_map.get(x))返回全None，是因为dict_map的键是group_one/group_two，而你传入的x是A/B这类成员值，自然找不到匹配项。

正确解决方案 #

步骤1：反转映射字典

先把dict_map从组→成员列表的结构，转换成成员→组名的结构，这样就能直接通过成员值查找组名：

reverse_map = {val: group for group, chars in dict_map.items() for val in chars}

这个字典推导式会遍历每个组的成员，生成类似{'B': 'group_one', 'A': 'group_two'}的映射。

步骤2：适配多级列结构添加Group列

你的DataFrame是多级列结构，所以添加Group列时要和现有列的层级对齐，同时调整列顺序让Group排在前面：

import pandas as pd
import numpy as np

# 原始定义
dict_map = dict(group_one=['B','D','GG','G'], group_two=['A','C','E','F'])
arrays = [["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"], ["one", "two", "one", "two", "one", "two", "one", "two"]]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=["first", "second"])
df = pd.DataFrame(np.random.randn(5, 8), index=["A", "B", "C","D",'G'], columns=index)
df = df.rename_axis(index=['my_ch']).reset_index()

# 反转映射字典
reverse_map = {val: group for group, chars in dict_map.items() for val in chars}

# 添加Group列（和多级列结构对齐）
df[('Group', '')] = df[('my_ch', '')].map(reverse_map)

# 调整列顺序，把Group和my_ch放在最前面
cols = [('Group', ''), ('my_ch', '')] + [col for col in df.columns if col not in [('Group', ''), ('my_ch', '')]]
df = df[cols]

最终效果 #

运行后你会得到和期望一致的DataFrame：

first  Group my_ch       bar       baz       foo       qux
second        one       two       one       two       one       two
0  group_two    A  0.037718  0.089609  ...  0.202885  0.706059 -2.280754
1  group_one    B  0.578452  0.039445  ... -0.153135  0.178715 -0.040345
2  group_two    C  2.139270  1.104547  ...  0.989953 -0.280724 -0.739488
3  group_one    D  0.733355  0.227912  ... -1.359441  0.761619 -1.119464
4  group_one    G -1.565185 -1.070280  ...  0.458847  1.072471  1.724417

额外说明 #

如果你希望Group列的second层级和其他列保持一致（比如显示one/two但值相同），可以用以下代码替换添加Group列的步骤：

# 让Group列填充所有second层级
df[('Group', slice(None))] = df[('my_ch', '')].map(reverse_map).values[:, np.newaxis]

不过这种方式会让Group列的one和two子列值完全相同，从业务逻辑来看，用('Group', '')的单层级结构更合理。

内容的提问来源于stack exchange，提问作者rpb