Python Pandas：为现有DataFrame添加字典类型列的技术问题

给定数据与需求 #

现有DataFrame df：

index  name      val            
0       Abc    17.29
1       Bcd  137.036
2       Cde      666

需添加列ColDict，每个单元格为字典：键是list_b=[5,7.6,10,20]中元素的字符串形式，值是自定义函数myfunc(x, b)的逐行计算结果（myfunc功能为将x向下取整到不大于x的最大b的倍数）。

先明确自定义函数 #

def myfunc(x, b):
    # 向下取整到不大于x的最大b的倍数
    return b * (x // b)

针对三个问题的逐一解决 #

1. 二元函数的逐元素应用 #

不用纠结map/apply的单变量限制，直接用df.apply()按行处理，或用列表推导式生成字典，两种方式都能规范实现逐元素计算：

• 用apply时指定axis=1，每一行的val作为x，遍历list_b生成字典；
• 列表推导式直接遍历df["val"]的每个元素，配对list_b生成字典。

2. 避免“切片副本上设置值”警告 #

标准解决方法：

• 不要直接修改切片后的DataFrame，操作原DataFrame；
• 优先使用df.assign()方法，该方法返回新的DataFrame，完全避免此类警告，代码更安全规范。

3. 字典作为单元格值的可行性 #

Pandas完全支持字典作为单元格值，出现“长度不匹配”是因为误将Series/列表赋值给单元格，只要确保每个单元格是单个字典对象即可。如果需要改为多列存储，也可通过循环或字典推导式批量生成。

具体实现代码 #

方案一：添加字典列ColDict #

用assign配合apply实现，无警告且规范：

list_b = [5, 7.6, 10, 20]

df = df.assign(
    ColDict=df["val"].apply(
        lambda x: {str(b): myfunc(x, b) for b in list_b}
    )
)

执行后ColDict列内容示例：

• 第0行：{'5': 15.0, '7.6': 15.2, '10': 10.0, '20': 0.0}
• 第1行：{'5': 135.0, '7.6': 132.8, '10': 130.0, '20': 120.0}
• 第2行：{'5': 665.0, '7.6': 661.2, '10': 660.0, '20': 660.0}

方案二：添加多列（列名格式ColDict_[b]） #

用字典推导式批量生成列，同样用assign避免警告：

list_b = [5, 7.6, 10, 20]

# 生成列名到计算结果的映射
cols_dict = {
    f"ColDict_{b}": df["val"].apply(lambda x: myfunc(x, b))
    for b in list_b
}

# 批量添加列
df = df.assign(**cols_dict)

执行后会新增ColDict_5、ColDict_7.6、ColDict_10、ColDict_20四列，每列对应对应b值的计算结果。

内容的提问来源于stack exchange，提问作者Hyperi