如何从列表类型列提取数据并在另一DataFrame中生成新列

参考数据 #

先把源数据整理成结构化表格：

具体实现（以pandas为例） #

假设你有一个存储对应值的列表/映射关系（比如Group字段对应的类别列表），下面是两种常见的提取生成新列的方式：

场景1：用字典映射对应关系 #

如果存储值是键值对形式（比如Group编号对应类别名称），直接用map方法快速生成新列：

import pandas as pd

# 构建源DataFrame
data = {
    'Product': ['Tv', 'Car', 'Bike', 'Laptop', 'PS4'],
    'Price': [20, 300, 40, 80, 90],
    'Quantity': [1, 1, 2, 1, 1],
    'Group': [1, 4, 2, 3, 2]
}
df = pd.DataFrame(data)

# 存储Group对应的类别映射
group_mapping = {1: '家电', 2: '出行', 3: '数码', 4: '代步'}

# 生成新列并添加到原DataFrame
df['Category'] = df['Group'].map(group_mapping)

# 若需要单独生成新的DataFrame
new_df = df[['Product', 'Category']].copy()

执行后，新DataFramenew_df的内容如下：

场景2：用列表索引对应关系 #

如果存储值是纯列表形式，Group值对应列表的索引（需注意索引偏移），用apply方法提取：

import pandas as pd

# 源DataFrame同上
df = pd.DataFrame(data)

# 存储类别的列表，索引0对应Group1，索引1对应Group2，以此类推
group_list = ['家电', '出行', '数码', '代步']

# 通过索引匹配生成新列
df['Category'] = df['Group'].apply(lambda x: group_list[x-1])

这个方法和场景1的输出结果完全一致。

内容的提问来源于stack exchange，提问作者Eswar