如何在Pandas DataFrame中用字典推导式匹配对应列的字典项？

可行解决方案 #

方法1：使用apply逐行处理

通过apply指定axis=1逐行遍历DataFrame，每行提取A列的字符串作为键，从B列的字典中取出对应键值对，构造新字典：

import pandas as pd

# 构造样例数据
df = pd.DataFrame({
    'A': ['a', 'c', 'a', 'd'],
    'B': [{'a': '2', 'b': '5'}, {'a': '2', 'b': '16', 'c': '32'}, {'a': '6', 'd': '23'}, {'b': '4', 'd': '76'}]
})

# 处理逻辑
df['B'] = df.apply(lambda row: {row['A']: row['B'].get(row['A'])}, axis=1)

方法2：使用列表推导式（性能更优）

对于大数据量场景，列表推导式的执行效率通常高于apply，可以直接通过zip配对A列和B列的元素，逐行生成筛选后的字典：

df['B'] = [{a: b.get(a)} for a, b in zip(df['A'], df['B'])]

原代码报错原因分析 #

你之前尝试的代码：

Test_df['B'] = {k: v for k, v in test_df['B'].items() if k == test_df['A']}

存在两个核心问题：

1. test_df['B'].items()遍历的是DataFrame的列索引与对应Series对象，并非每个字典内部的键值对；
2. test_df['A']是一个Series对象，直接用单个键k与整个Series比较会产生布尔值歧义，触发ValueError: The truth value of a Series is ambiguous。

验证结果 #

执行上述任一方法后，输出结果与期望一致：

A          B
0  a  {'a': '2'}
1  c  {'c': '32'}
2  a  {'a': '6'}
3  d  {'d': '76'}

内容的提问来源于stack exchange，提问作者iFunction