如何使用map函数通过含嵌套列表的字典为DataFrame映射新列

问题原因 #

df.ID.map(d)会直接将每个ID值映射为字典中对应的完整列表，不会自动按ID的出现顺序逐个取列表内的元素，因此会得到每行存储完整列表的结果。

解决方案 #

你可以借助groupby分组+transform实现需求，该方案无需额外生成中间列，写法更简洁，前提是每个ID的出现次数和字典中对应列表的长度完全匹配（你的场景刚好符合该条件）：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({'ID': [123,123,123,123,123,123,456,456,456,123]})
d = {'123': [1, 2, 3, 1, 2, 1, 5], '456': [1, 2, 1]}

# 先将ID转为字符串，和字典的键类型匹配
df['ID'] = df['ID'].astype(str)
# 分组后直接映射列表，transform会自动将列表拆分为每行的单个值
df['Count'] = df.groupby('ID')['ID'].transform(lambda g: d[g.iloc[0]])

运行后输出的df和你期望的结果完全一致：

ID  Count
0  123      1
1  123      2
2  123      3
3  123      1
4  123      2
5  123      1
6  456      1
7  456      2
8  456      1
9  123      5

备选方案（适用更广泛场景） #

如果存在ID出现次数和列表长度不匹配，仅需要按出现顺序依次取值的场景，可以先计算每个ID的出现次序，再对应取列表元素：

# 计算每个ID在组内的出现序号（从0开始计数）
df['idx'] = df.groupby('ID').cumcount()
# 按序号取对应列表的元素
df['Count'] = df.apply(lambda x: d[x['ID']][x['idx']], axis=1)
# 删除中间生成的idx列
df = df.drop('idx', axis=1)

内容的提问来源于stack exchange，提问作者user16386186