Pandas如何映射字典中嵌套元组的索引拆分映射到DataFrame列

不需要为元组内的每个属性单独创建映射字典，基于单个元组值字典即可完成多列映射，以下是两种最常用的实现方式：

方法1：单次映射后直接批量拆分（推荐，代码最简洁） #

先通过map拿到存储元组的Series，调用.tolist()将元组序列转为二维列表，可直接赋值给多个目标列，仅需一次字典查找，执行效率最高：

import pandas as pd

# 原始元组值字典
Fruit_dict = {
    'Apple' : ('red', 'small'),
    'Pear' : ('green', 'small'),
    'Grapefruit' : ('yellow', 'big')
}

# 示例DataFrame
df = pd.DataFrame({'Fruit': ['Apple', 'Pear', 'Grapefruit', 'Apple']})

# 一行完成两列映射
df[['Color', 'Size']] = df['Fruit'].map(Fruit_dict).tolist()

如果DataFrame里存在字典未覆盖的水果值，可通过dict.get()加默认值避免报错：

# 不存在的键默认返回(None, None)，对应列赋值为空值
df[['Color', 'Size']] = df['Fruit'].map(
    lambda x: Fruit_dict.get(x, (None, None))
).tolist()

方法2：映射时指定元组索引取值（适合仅需部分属性的场景） #

如果不需要提取元组内的所有值，只需要特定位置的属性，可以在map中传入匿名函数，直接按键取值后取对应索引位即可：

# 取元组第0位（索引0）映射为颜色列
df['Color'] = df['Fruit'].map(lambda x: Fruit_dict[x][0])
# 取元组第1位（索引1）映射为尺寸列
df['Size'] = df['Fruit'].map(lambda x: Fruit_dict[x][1])

注意事项 #

不推荐使用.str[0]这类字符串访问器提取元组元素，该方法是为字符串类型设计的，处理元组时执行效率低，遇到特殊值时容易触发异常。

内容的提问来源于stack exchange，提问作者Dolicho