如何通过元组索引匹配字典为Pandas DataFrame新增列

你的代码失败的核心原因是：dogOwners的键是**('Dog Name', 'Dog Type')元组**，但你只传入了单个Dog Name字符串去匹配，自然找不到对应值。下面提供两种可行方案：

方案一：直接基于现有字典匹配 #

利用apply同时提取每行的Dog Name和Dog Type组成元组，作为键去查询字典中的Owner信息：

dogsDF['Owner'] = dogsDF.apply(
    lambda row: dogOwners.get((row['Dog Name'], row['Dog Type']), {}).get('Owner', ''),
    axis=1
)

• 先通过元组键获取对应狗狗的嵌套字典，再从中提取Owner字段
• 两次get分别处理“元组键不存在”和“嵌套字典无Owner字段”的情况，默认返回空字符串

方案二：调整字典格式提升查询效率 #

如果需要多次查询，建议先重构字典，简化后续匹配逻辑：

子方案2.1：提取Owner到独立字典（保留元组键） #

# 从原字典中提取Owner，生成新的键值对字典
owner_map = {dog_key: details['Owner'] for dog_key, details in dogOwners.items()}
# 直接匹配元组键
dogsDF['Owner'] = dogsDF.apply(
    lambda row: owner_map.get((row['Dog Name'], row['Dog Type']), ''),
    axis=1
)

子方案2.2：改为单键字典（仅当Dog Name唯一时适用） #

如果你的数据中Dog Name是唯一标识（不存在同名不同类型的狗狗），可以把字典改成以Dog Name为键：

owner_map_single = {dog_key[0]: details['Owner'] for dog_key, details in dogOwners.items()}
# 直接用map匹配，效率比apply更高
dogsDF['Owner'] = dogsDF['Dog Name'].map(owner_map_single).fillna('')

内容的提问来源于stack exchange，提问作者Big_Soup