Python Pandas问题：匹配两DataFrame的Noun列并计算平均Rating报错排查

你遇到的TypeError: unhashable type: 'list'错误，核心原因是df的Noun列是列表类型，而isin()和集合（set）都要求元素是可哈希的（hashable），但列表是不可哈希的——因为列表是可变对象，不能被作为集合的元素或者哈希表的键来使用。

更关键的是，你的原代码逻辑也不对：你需要的是检查df1的单个Noun值是否出现在df的某个Noun列表里，而df['Noun'].isin(set(df1['Noun']))是在检查整个列表是否完全匹配df1里的某个Noun值，这完全不符合你的需求。

正确的实现步骤 #

我们可以通过展开列表列 + 分组求均值 + 映射匹配的方式来实现需求：

1. 展开df的Noun列表：把每个列表里的名词单独拆成一行，同时保留对应的Rating值
2. 计算每个名词的平均Rating：按Noun分组，求Rating的平均值
3. 将平均值映射到df1中：用df1的Noun值匹配对应的平均Rating

具体代码示例 #

import pandas as pd

# 假设你的df和df1是已初始化好的DataFrame
# 步骤1：展开Noun列表列，每个名词单独成一行
exploded_df = df.explode('Noun')

# 步骤2：按Noun分组，计算每个名词对应的Rating平均值
noun_avg_rating = exploded_df.groupby('Noun')['Rating'].mean()

# 步骤3：将平均值映射到df1的新列average中
df1['average'] = df1['Noun'].map(noun_avg_rating)

补充说明 #

• 如果df1中有某些Noun值在df的Noun列表里从未出现过，map()会返回NaN，你可以用fillna()设置默认值，比如：

  df1['average'] = df1['Noun'].map(noun_avg_rating).fillna(0)  # 用0填充不存在的情况，也可以换成其他合理值
  

• 如果你使用的pandas版本低于0.25（explode()是0.25版本新增的方法），可以用以下代码替代展开操作：

  exploded_df = df.assign(Noun=df['Noun'].apply(pd.Series)) \
                  .stack() \
                  .reset_index(level=1, drop=True) \
                  .to_frame('Noun') \
                  .join(df[['Rating']])
  

内容的提问来源于stack exchange，提问作者user2293224