如何基于DataFrame现有数值列、列名及元组列表新增列

我来帮你搞定这个需求！你需要给DataFrame按number列的分组，批量添加对应元组里的内容作为新列对吧？这里有两种简洁的实现方式：

方法一：映射+拆分元组 #

这种方法直接利用map把number值映射到对应的元组，再把元组拆分成指定列名的新列，代码非常直观：

import pandas as pd
df = pd.DataFrame({'number':[0,0,1,1,2,2,3,3]})
keys = ['foo','bar']
combinations = [('99%',0.9),('99%',0.8),('1%',0.9),('1%',0.8)]

# 创建number到对应元组的映射关系
num_combo_map = dict(zip(df['number'].unique(), combinations))
# 映射后拆分元组为两列，直接赋值给新列
df[keys] = df['number'].map(num_combo_map).apply(pd.Series)

print(df)

方法二：辅助DataFrame合并 #

如果你的number取值不是连续的索引，这种方法更通用。先把元组列表转成带number列的辅助DataFrame，再和原表合并：

import pandas as pd
df = pd.DataFrame({'number':[0,0,1,1,2,2,3,3]})
keys = ['foo','bar']
combinations = [('99%',0.9),('99%',0.8),('1%',0.9),('1%',0.8)]

# 构建辅助DataFrame：包含number和对应的foo、bar值
combo_df = pd.DataFrame(combinations, columns=keys)
combo_df['number'] = df['number'].unique()

# 左合并原表和辅助表，确保每一行都匹配到对应的值
df = df.merge(combo_df, on='number', how='left')

print(df)

两种方法运行后都会得到你想要的输出：

number  foo  bar
0       0  99%  0.9
1       0  99%  0.9
2       1  99%  0.8
3       1  99%  0.8
4       2   1%  0.9
5       2   1%  0.9
6       3   1%  0.8
7       3   1%  0.8

内容的提问来源于stack exchange，提问作者Johannes Wiesner