如何基于字典与列表为Pandas DataFrame列赋值？解决TypeError报错

首先修正你字典的语法错误：把"b2". "brand2"改成"b2": "brand2"，否则字典无法正常创建。

你触发TypeError: unhashable type: 'Series'的原因是直接将Pandas的Series对象作为字典键查询——Series是不可哈希的类型，自然会报错。以下是两种能得到目标结果[1,1,1,0,1]的可行方法：

方法一：映射后直接判断（直观易读） #

先把DataFrame的brand列值通过字典映射为品牌全称，再判断该全称是否在actual_brands列表中，最后转换为1/0格式：

import pandas as pd
import numpy as np

# 修正后的字典
brands_list = {"b1": "brand1", "b2": "brand2"}
actual_brands = ["brand1"]
# 创建示例DataFrame
df = pd.DataFrame({"brand": ["b1","b1","b1","b2","b1"]})

# 方式1：用map+isin+astype直接生成结果
df["is_brand_present"] = df["brand"].map(brands_list).isin(actual_brands).astype(int)

# 方式2：用numpy.where实现相同逻辑
df["is_brand_present"] = np.where(df["brand"].map(brands_list).isin(actual_brands), 1, 0)

方法二：预构建匹配集合（大数据量更高效） #

如果数据量较大，建议先通过反向映射构建需要匹配的键集合，再直接判断列值是否在集合中，提升查询效率：

import pandas as pd

brands_list = {"b1": "brand1", "b2": "brand2"}
actual_brands = ["brand1"]
df = pd.DataFrame({"brand": ["b1","b1","b1","b2","b1"]})

# 先筛选出对应actual_brands的键集合
target_keys = {key for key, val in brands_list.items() if val in actual_brands}

# 直接判断列值是否在目标键集合中
df["is_brand_present"] = df["brand"].isin(target_keys).astype(int)

内容的提问来源于stack exchange，提问作者HuLu ViCa