pandas apply获取字典值报Series不可哈希错误的解决方法

需要从存储域名对计数的字典中查询匹配值，为pandas DataFrame生成新列。
使用的计数字典结构如下：

pair_devices_count = 
{('tWAAAA.jg', 'ttNggB.jg'): 1,
('tWAAAM.jg', 'ttWVsM.jg'): 2,
('tWAAAN.CV', 'ttNggB.AS'): 1,
 ('tWAAAN.CV', 'ttNggB.CV'): 2,
 ('tWAAAN.CV', 'ttNggB.QG'): 1}

原写法触发Series不可哈希报错的核心原因：DataFrame的apply方法默认按列遍历（axis=0），传入lambda函数的参数是整列的Series对象，而可变类型的Series无法作为字典的键完成哈希查询。
原错误代码：

train_data[['domain', 'target_domain']].apply(lambda x: pair_devices_count.get((x), 0))

以下三种方案都可以实现需求，按性能从高到低排序：

• 方案1：向量化匹配（大数据量首选）
  将原字典转换为多级索引的Series，通过pandas原生的关联匹配逻辑完成赋值，无逐行循环开销，速度最快：

  import pandas as pd
  
  # 转换字典为带多级域名索引的计数Series
  ref_s = pd.Series(pair_devices_count, name="pair_devices_count")
  # 关联匹配到原表，缺失值填充0
  train_data = train_data.join(
      ref_s, 
      on=["domain", "target_domain"]
  ).fillna({"pair_devices_count": 0})
  

• 方案2：列表推导式（写法简洁，性能够用）
  直接zip两列的值逐对拼元组查字典，写法简单，性能远好于逐行apply，适合中小数据量：

  train_data["pair_devices_count"] = [
      pair_devices_count.get((dom, tgt_dom), 0)
      for dom, tgt_dom in zip(train_data["domain"], train_data["target_domain"])
  ]
  

• 方案3：逐行apply（逻辑直观，适合小数据量）
  给apply添加axis=1参数改为按行遍历，此时传入lambda的是单行数据，提取两个字段拼元组查询即可：

  train_data["pair_devices_count"] = train_data[["domain", "target_domain"]].apply(
      lambda row: pair_devices_count.get((row["domain"], row["target_domain"]), 0),
      axis=1
  )
  

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