如何将DataFrame两列值作为双键字典的键并填充至目标列？

我明白你的困扰——单键的map用起来很顺手，但双键的情况确实不能直接用df[['UnitA','UnitB']].map()，因为这个操作会对每一列单独应用map，而不是把两行值组合成元组作为键。下面给你几种实用的解决方法：

方法1：用apply逐行生成元组匹配字典 #

这是最直观的方法，通过apply把每行的UnitA和UnitB打包成元组，再去字典里取值：

import pandas as pd

# 你的双键字典示例
unit_conversion = {('PCT', 'PCT'): 1.0, ('PCT', 'PPM'): 10000.0, ('PPM', 'PCT'): 0.0001}

# 示例DataFrame
df = pd.DataFrame({
    'UnitA': ['PCT', 'PCT', 'PPM', 'KG'],
    'UnitB': ['PCT', 'PPM', 'PCT', 'LB'],
    'Multiplier': [None, None, None, None]
})

# 填充Multiplier列，用get避免键不存在时抛出KeyError
df['Multiplier'] = df.apply(
    lambda row: unit_conversion.get((row['UnitA'], row['UnitB']), float('nan')),
    axis=1
)

执行后df的结果：

方法2：先创建元组列再用map #

如果觉得apply不够直观，可以先单独生成一个存元组的列，再用map匹配：

# 生成元组列
df['UnitPair'] = df.apply(lambda x: (x['UnitA'], x['UnitB']), axis=1)
# 用map填充
df['Multiplier'] = df['UnitPair'].map(unit_conversion)
# 可选：删除临时列
df = df.drop('UnitPair', axis=1)

这个方法和方法1逻辑一致，只是拆分了步骤，可读性更强。

方法3：用zip打包列（大数据集更高效） #

对于行数很多的DataFrame，zip的效率比apply更高，因为它是基于向量操作的：

# 把两列打包成元组的迭代器，转成Series后用map
df['Multiplier'] = pd.Series(list(zip(df['UnitA'], df['UnitB']))).map(unit_conversion)

同样，如果要处理不存在的键，可以结合fillna或者在map前用字典的get，比如：

df['Multiplier'] = pd.Series(list(zip(df['UnitA'], df['UnitB']))).map(lambda x: unit_conversion.get(x, float('nan')))

为什么直接用df[['UnitA','UnitB']].map()不行？ #

因为df[['UnitA','UnitB']]返回的是一个DataFrame对象，而DataFrame的map方法会对每一列单独执行映射操作——也就是分别把UnitA列的每个值作为键去字典找值，再把UnitB列的每个值作为键去字典找值，这显然不是你想要的“把两列值组合成双键”的效果。

内容的提问来源于stack exchange，提问作者shdhoward