VBA多条件转Python时字典用Dataframe报unhashable type错误怎么解决

报错原因 #

Python 字典要求键必须是可哈希的不可变类型（字符串、数字、元组等），你之前的代码中将df2["A"]返回的 Pandas Series 对象作为字典键，Series 属于可变类型，不支持哈希，因此触发TypeError: unhashable type: 'Series'报错。

实现方案（完全满足集中维护条件的需求） #

你不需要将 DataFrame 列存入映射字典，只要把条件和对应值的映射关系单独存储在字典文件中，主逻辑直接调用匹配即可，完全不用修改主代码就能更新条件。

步骤1：修改单独的映射文件dictionnaire.py #

所有条件与取值的映射都集中放在这个文件中，修改、新增条件直接编辑这个字典即可：

# dictionnaire.py 集中维护所有映射规则
# 单字段映射规则，key为ImpactedService的取值，value为对应的DevServ取值
SERVICE_MAPPING = {
    "A": "Something",
    "B": "Something",
    "C": "Something",
    "D": "Something",
    "E": "Something",
    "F": "Something",
    "G": "Something",
    "H": "Something",
    # 新增规则直接在这里追加键值对即可
}

# 如果有大小写不敏感的需求，可以统一把key改为小写，如下：
# SERVICE_MAPPING = {
#     "a": "Something",
#     "b": "Something",
# }

步骤2：主代码逻辑 #

直接用 Pandas 内置的map方法完成匹配，效率远高于手动写分支判断：

import pandas as pd
from dictionnaire import SERVICE_MAPPING

# 读取数据
df = pd.read_excel(xls, "Data")

# 单字段匹配生成DevServ列
# 如果需要大小写不敏感，加.str.lower()即可：df["ImpactedService"].str.lower().map(SERVICE_MAPPING)
df["DevServ"] = df["ImpactedService"].map(SERVICE_MAPPING)

# 匹配不到的场景可以填充默认值，比如：
# df["DevServ"] = df["ImpactedService"].map(SERVICE_MAPPING).fillna("未匹配到对应值")

复杂多条件场景扩展 #

如果你的判断逻辑是多个字段组合的条件，可以用元组作为映射字典的键，同样可以集中维护：

# dictionnaire.py 多字段组合映射示例
COMPLEX_SERVICE_MAPPING = {
    ("A", "华北区"): "结果1",
    ("B", "华南区"): "结果2",
    # 新增多条件规则直接追加即可
}

主代码匹配逻辑：

from dictionnaire import COMPLEX_SERVICE_MAPPING
df["DevServ"] = df.apply(
    lambda x: COMPLEX_SERVICE_MAPPING.get(
        (x["ImpactedService"], x["Region"]), 
        "默认值"
    ), 
    axis=1
)

内容的提问来源于stack exchange，提问作者SRP