是否可以使用pandas字典实现DataFrame映射新增列？具体如何操作？

是否可以通过pandas字典实现 #

完全可以，这是pandas场景下分类值映射的最常用实现方案之一。

具体操作步骤 #

• 步骤1：构造Code到Value的映射字典，仅需要写入有对应关系的键值对即可，无对应关系的Code（如本题中的DZ）后续会自动识别为空值
• 步骤2：调用pandas Series的map()方法，将构造好的字典传入，直接赋值给新的Value列即可

完整可运行示例代码 #

import pandas as pd

# 构造仅含Code列的示例DataFrame
df = pd.DataFrame({
    'Code': ['DA', 'DB', 'DC', 'DD', 'DE', 'DF', 'DG', 'DX', 'DY', 'DZ']
})

# 构造映射字典
code_mapping = {
    'DA': 'A', 'DB': 'A', 'DC': 'A',
    'DD': 'B', 'DE': 'B', 'DF': 'B',
    'DG': 'C', 'DX': 'C', 'DY': 'C'
}

# 新增Value列
df['Value'] = df['Code'].map(code_mapping)

# 如果希望空值显示为空字符串而非NaN，可改用以下代码
# df['Value'] = df['Code'].map(code_mapping).fillna('')

结果说明 #

执行完成后，Code为DA/DB/DC的行Value为A，DD/DE/DF对应B，DG/DX/DY对应C，DZ对应的Value为NaN（或空字符串，取决于是否添加fillna方法），完全匹配需求。

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