Pandas中map函数能否返回字典实现多列自动赋值？

pandas没有内置同名的magic_map方法，但可以通过简单逻辑封装完全实现你要的效果。

首先构造测试基准代码：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({'a': [1, 2, 3, 4]})

# 定义示例映射函数
def red(x):
   return {'b': x+1, 'c': x+2}

快速实现方式 #

直接对目标列应用映射函数，将返回的字典序列转换为新的DataFrame后，与原表按行索引拼接即可：

# 小数据量写法
new_columns = df['a'].apply(red).apply(pd.Series)
df = pd.concat([df, new_columns], axis=1)

如果处理百万级以上的大数据集，可以用列表构造的方式优化性能，避免apply(pd.Series)的效率损耗：

# 大数据量优化写法
new_columns = pd.DataFrame(df['a'].apply(red).tolist(), index=df.index)
df = pd.concat([df, new_columns], axis=1)

运行后得到的结果完全符合预期：

a  b  c
0  1  2  3
1  2  3  4
2  3  4  5
3  4  5  6

封装为链式调用方法 #

如果要实现你提到的df.magic_map(red)形式的链式调用，可以通过pandas的自定义访问器实现，一次定义后全局可用：

@pd.api.extensions.register_dataframe_accessor("magic_map")
class MagicMap:
    def __init__(self, pandas_obj):
        self._df = pandas_obj

    def __call__(self, map_func, apply_col=None):
        """
        应用返回字典的映射函数自动生成新列
        :param map_func: 逐元素执行、返回字典的映射函数
        :param apply_col: 需要执行映射的列名，默认取DataFrame第一列
        """
        if apply_col is None:
            apply_col = self._df.columns[0]
        # 生成新列部分
        new_part = pd.DataFrame(
            self._df[apply_col].map(map_func).tolist(),
            index=self._df.index
        )
        return pd.concat([self._df, new_part], axis=1)

定义完成后直接调用即可：

df = df.magic_map(red)

• 说明：只要映射函数返回的字典键一致，不管包含多少个键值对，都会自动将键作为新列名，对应值填充到对应行位置，不需要手动提前创建列。

内容的提问来源于stack exchange，提问作者SantoshGupta7