如何不用lambda函数将DataFrame列作为字典键生成新列？

当然可以不用lambda函数，用pandas自带的方法就能轻松实现，下面是几种常用方案：

• 方法1：使用Series.map()（推荐）
  map()方法本身就支持传入字典做键值映射，是处理这类需求最直接高效的方式：

import pandas as pd

# 示例数据集
df = pd.DataFrame({'A': ['New York', 'California', 'Florida', 'Texas']})
my_dict = {"New York":1, "California":2, "Florida":3}

# 生成列B，未匹配的项会显示NaN
df['B'] = df['A'].map(my_dict)

# 如果需要给未匹配项设置默认值，比如0，可结合fillna()
df['B'] = df['A'].map(my_dict).fillna(0)

• 方法2：使用Series.replace()
replace()同样支持字典映射，和map()的区别是，未匹配的项会保留原列的值。如果需要统一处理未匹配项，可以用mask()来替换：

import pandas as pd

df = pd.DataFrame({'A': ['New York', 'California', 'Florida', 'Texas']})
my_dict = {"New York":1, "California":2, "Florida":3}

# 生成列B，未匹配项保留原城市名
df['B'] = df['A'].replace(my_dict)

# 将未匹配项替换为默认值（比如0）
df['B'] = df['B'].mask(~df['B'].isin(my_dict.values()), 0)

内容的提问来源于stack exchange，提问作者Dhanush Sonkusare