如何在pandas中将字典应用于含numpy数组的列并返回唯一值

你原来的代码存在3个核心问题：

1. 原始UNIGRAMA列的numpy数组里的单词存在前导空格（比如' filhar'），无法和字典里的无空格key匹配，导致替换失效
2. 不需要开启regex=True，你的需求是精确匹配完整单词替换，开启正则可能触发非预期的子串替换
3. 聚合时agg({'unique'})的写法不符合pandas语法规范

正确实现方案 #

方案1：explode分组法（适合大数据量，效率更高）

import pandas as pd
import numpy as np

# 你的原始数据
df=pd.DataFrame({'UNIGRAMA': {0: np.array(['on', 'line', ' atenção'], dtype='<U13'),
                              1: np.array(['futurar', ' filhar', ' preparar'], dtype='<U12'),
                              2: np.array(['compromisso', ' educação', ' student'], dtype='<U11')}})

dicionario2 = {'compromisso': 'commitment',
              'filhar' : 'student', 
             'futurar' : 'futuro',
              'on'   : 'on-line',
              'line' : 'on-line'}

# 处理逻辑
df['unique'] = (
    df['UNIGRAMA']
    .explode() # 展开数组为单独行
    .str.strip() # 去除单词前后的空白字符
    .replace(dicionario2) # 精确匹配替换
    .groupby(level=0) # 按原始索引分组
    .unique() # 取每个分组的唯一值
)

方案2：apply遍历法（适合小数据集，写法更直观）

df['unique'] = df['UNIGRAMA'].apply(
    lambda arr: np.unique([dicionario2.get(word.strip(), word.strip()) for word in arr])
)

运行后输出的df['unique']完全符合你的预期结果：

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