如何用Pandas map函数结合国家与年龄映射多字典计算零花钱

当然可以不用循环，直接用map函数结合字段配对来实现。核心思路是把国家和年龄两个字段打包成元组，再通过map对每个元组匹配对应的零花钱字典。

举个具体实现的例子：

首先定义不同国家的年龄-零花钱映射规则：

# 各国年龄对应的零花钱字典
allowance_rules = {
    "China": {6: 10, 7: 12, 8: 15, 9: 20},
    "US": {6: 5, 7: 7, 8: 10, 9: 13},
    "UK": {6: 4, 7: 6, 8: 9, 9: 12}
}

假设你的DataFramedf包含country（国家）和age（年龄）两列，直接用map处理打包后的字段对：

# 用zip把country和age列打包成元组，再通过map匹配对应零花钱
df['allowance'] = list(map(
    lambda item: allowance_rules[item[0]][item[1]],
    zip(df['country'], df['age'])
))

如果要避免因国家不存在或年龄不在规则内导致报错，可以用get方法设置默认值：

df['allowance'] = list(map(
    lambda item: allowance_rules.get(item[0], {}).get(item[1], 0),
    zip(df['country'], df['age'])
))

这里如果国家不在规则里，或者对应年龄没有设置零花钱，会返回默认值0。

内容的提问来源于stack exchange，提问作者Niltzable