如何基于带条件的键将字典映射至Pandas DataFrame？

因为普通字典只能做精确键匹配，要实现范围条件的映射，你可以自定义一个类来模拟字典的行为——只要实现__getitem__方法，就能像普通字典一样被apply或map调用，完全满足下游必须用字典的要求。

步骤1：先回顾你的等值映射示例 #

先构造你提到的示例DataFrame，并用元组键完成等值映射：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'F1': ['Y', 'N', 'Y', 'N', 'N'],
    'F2': ['A', 'B', 'A', 'B', 'C'],
    'F3': [1000, 3000, 20000, 10000, 16000]
})

# 等值映射字典（元组作为键）
eq_map_dict = {('Y', 'A'): 1.0, ('N', 'B'): 0.9}
df['等值映射列'] = df.apply(lambda row: eq_map_dict.get((row['F1'], row['F2']), None), axis=1)

步骤2：自定义条件映射的"字典" #

创建一个类，在__getitem__方法里加入你需要的条件判断逻辑，这样它就能像字典一样被访问：

class ConditionalMapDict:
    def __getitem__(self, key):
        f1_val, f3_val = key
        # 实现你的目标条件：F1='N' 且 2000 < F3 < 15000
        if f1_val == 'N' and 2000 < f3_val < 15000:
            return 1.1
        # 其他情况返回None（或你需要的默认值）
        return None

# 实例化这个类，当作字典使用
cond_map_dict = ConditionalMapDict()

# 生成F1和F3的元组键，然后映射
df['条件映射列'] = df.apply(lambda row: cond_map_dict[(row['F1'], row['F3'])], axis=1)

步骤3：（可选）整合等值+条件映射 #

如果需要同时处理等值匹配和条件匹配，可以把两种逻辑整合到同一个类里：

class MixedMapDict:
    def __init__(self, eq_dict):
        self.eq_dict = eq_dict  # 传入之前的等值映射字典

    def __getitem__(self, key):
        # 先检查是否匹配等值键
        if key in self.eq_dict:
            return self.eq_dict[key]
        # 再处理条件匹配（这里注意键的结构要对应，比如F1+F3）
        if len(key) == 2 and isinstance(key[1], (int, float)):
            f1_val, f3_val = key
            if f1_val == 'N' and 2000 < f3_val < 15000:
                return 1.1
        # 默认返回None
        return None

# 整合两种映射逻辑
mixed_map = MixedMapDict(eq_map_dict)
# 根据需要选择不同的键组合
df['混合映射列'] = df.apply(
    lambda row: mixed_map[(row['F1'], row['F2'])] 
                if (row['F1'], row['F2']) in eq_map_dict 
                else mixed_map[(row['F1'], row['F3'])],
    axis=1
)

这样处理后，你完全是在用"类字典"的结构实现映射，没有用loc或where，完全符合下游要求。

内容的提问来源于stack exchange，提问作者Josh