如何匹配DataFrame行值与字典并添加对应键为新列

要实现将DataFrame中User ID与字典值匹配后新增对应组名的需求，可通过以下几种高效方法完成：

方法1：构建反向映射字典（推荐） #

原字典结构为组名: [用户ID列表]，我们需要先将其转换为用户ID: 组名的反向映射，借助字典O(1)的查询效率快速完成匹配。

import pandas as pd

group_ID = {
    'Group A':[4738, 4812],
    'Group B':[5888, 6551],
    'Group C':[4487, 7888]
}

user_data = [['Alex',4812],['Bob',4487],['Clarke',5888]]
sample_df = pd.DataFrame(user_data,columns=['Name','User ID'])

# 构建反向映射字典
reverse_group = {}
for group_name, id_list in group_ID.items():
    for uid in id_list:
        reverse_group[uid] = group_name

# 新增Group ID列
sample_df['Group ID'] = sample_df['User ID'].map(reverse_group)

print(sample_df)

执行后输出：

Name  User ID Group ID
0    Alex     4812  Group A
1     Bob     4487  Group C
2  Clarke     5888  Group B

这种方法适合处理大数据量的DataFrame，查询效率远高于遍历匹配。

方法2：直接使用replace函数 #

pandas.Series.replace同样支持字典映射，用法和map一致，效果相同：

# 复用已构建的reverse_group字典
sample_df['Group ID'] = sample_df['User ID'].replace(reverse_group)

方法3：无需构建反向字典的列表推导式 #

如果不想额外创建反向字典，可通过列表推导式遍历每个User ID并匹配对应组名：

sample_df['Group ID'] = [
    next((group for group, ids in group_ID.items() if uid in ids), None) 
    for uid in sample_df['User ID']
]

其中next(..., None)表示若找不到匹配的ID，就返回None。不过该方法在字典的ID列表较长时，每次匹配都要遍历列表，效率低于前两种，适合小数据量场景。

内容的提问来源于stack exchange，提问作者Rob A