如何根据Pandas DataFrame列值匹配字典值并返回对应键？

问题描述 #

现有如下DataFrame和字典，需要新增col3列，根据col1的值是否存在于字典的取值列表中，返回对应的字典键（odd或even）：

示例代码：

import pandas as pd
import numpy as np

df = pd.DataFrame({"col1": [1,2,3,4,5], "col2": [6,7,8,9,10]})
d = {"odd": [1,3,5,7,9], "even": [2,4,6,8,10]}
# 原尝试写法有误，需修正
# df["col3"] = np.where(df["col1"].isin(d.values), d.key, "") # ???

期望得到的结果：

col1  col2  col3
0     1     6   odd
1     2     7  even
2     3     8   odd
3     4     9  even
4     5    10   odd

解决方案 #

方法1：构建反向映射字典（推荐，效率最高） #

原字典是键→列表的结构，先转换成单个值→键的反向映射字典，再用map方法快速匹配：

# 构建值到键的反向映射
value_to_key = {}
for key, values in d.items():
    for val in values:
        value_to_key[val] = key

# 生成col3列
df["col3"] = df["col1"].map(value_to_key)

该方法通过一次遍历构建映射，后续map操作为矢量化处理，适合大数据量场景。

方法2：使用apply函数（灵活但效率较低） #

通过apply对col1的每个值遍历字典，匹配对应的键，适合数据量较小的场景：

# 用lambda结合next获取匹配键，未匹配则返回空字符串
df["col3"] = df["col1"].apply(lambda x: next((k for k, v in d.items() if x in v), ""))

方法3：嵌套np.where（适合字典键数量少的情况） #

如果字典的键不多，可直接嵌套np.where逐个判断：

df["col3"] = np.where(df["col1"].isin(d["odd"]), "odd", 
                      np.where(df["col1"].isin(d["even"]), "even", ""))

该写法直观，但键数量多时会变得冗长。

内容的提问来源于stack exchange，提问作者AK91