如何用Pandas多列值生成元组键字典并补全缺失值

需求说明 #

需要将DataFrame中的Factory和Warehouse列值组合为元组键，Dist Fact-Whse列值作为对应字典值；对于所有Factory与Warehouse的可能组合中不存在的键对，需赋值默认值（如9999）。原手动循环实现繁琐低效，需更优雅高效的方案。

示例数据 #

原实现代码（低效） #

F = df.Factory.drop_duplicates().to_list()
W = df.Warehouse.drop_duplicates().to_list()

dist1 = {};

for i in df.index:
    key = (df.at[i, 'Factory'], df.at[i, 'Warehouse'])
    value = df.at[i, 'Dist Fact-Whse']
    dicT = {key : value}
    dist1.update(dicT)

for f in F:
    for w in W:
        if (f, w) not in dist1:
            dist1[(f, w)] = 9999

高效解决方案 #

方法1：利用Pandas透视表+栈式转换 #

借助pivot_table自动生成所有Factory-Warehouse组合，填充默认值后直接转为字典：

import pandas as pd

# 先对重复的(Factory,Warehouse)对去重（保留第一个匹配值）
df_unique = df.drop_duplicates(subset=['Factory', 'Warehouse'])

# 生成透视表，自动补全所有组合并填充默认值
pivot_df = df_unique.pivot_table(
    index='Factory',
    columns='Warehouse',
    values='Dist Fact-Whse',
    fill_value=9999
)

# 转换为元组键的字典
dist_dict = pivot_df.stack().to_dict()

方法2：迭代工具生成全组合+字典推导 #

用itertools.product生成所有可能的键对，结合字典推导快速构建：

import pandas as pd
from itertools import product

# 获取唯一的工厂和仓库列表
factories = df['Factory'].unique()
warehouses = df['Warehouse'].unique()

# 先构建已存在的键值对字典（去重）
existing_pairs = df.drop_duplicates(subset=['Factory', 'Warehouse'])\
                   .set_index(['Factory', 'Warehouse'])['Dist Fact-Whse']\
                   .to_dict()

# 生成全组合，不存在的键对用默认值填充
dist_dict = {pair: existing_pairs.get(pair, 9999) for pair in product(factories, warehouses)}

期望结果 #

{
    ('Berlin', 'Teltow'): 19.6,
    ('Berlin', 'Kleinmachnow'): 26.9,
    ('Berlin', 'Wismar'): 9999,
    ('Hamburg', 'Teltow'): 9999,
    ('Hamburg', 'Kleinmachnow'): 9999,
    ('Hamburg', 'Wismar'): 126.2
}

内容的提问来源于stack exchange，提问作者Vondoe79