如何基于条件字典重新计算Pandas DataFrame列值（Python）

假设我有如下DataFrame：

另有如下字典，字典键为列A的匹配条件，字典值为对应列B的乘数：

dict1={'aa':-1, 'bb':2}

我想要实现的效果是：当列A的值与字典键匹配时，对应行的列B值乘以字典中的对应乘数，未匹配的行B值保持不变，预期输出结果如下：

请问该如何用Python的Pandas库实现上述需求？

核心实现仅需一行代码：

df['B'] *= df['A'].map(dict1).fillna(1)

逻辑说明 #

1. df['A'].map(dict1)：将列A的取值按照给定字典做映射，匹配到键的返回对应乘数，未匹配到的返回NaN
2. .fillna(1)：将未匹配产生的NaN替换为1，保证这部分行的B值乘1后保持原值不变
3. 直接与列B相乘后赋值回列B，完成计算

完整可运行代码 #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'A': ['aa', 'aa', 'bb', 'dd', 'cc', 'bb'],
    'B': [4.32, 7.00, 8.00, 74.00, 30.00, 2.00]
})
dict1 = {'aa':-1, 'bb':2}

# 执行计算
df['B'] *= df['A'].map(dict1).fillna(1)

# 打印结果
print(df)

内容的提问来源于stack exchange，提问作者KiNest