如何调用字典值为DataFrame创建匹配金属成本规则的布尔列

报错原因 #

你遇到的两个报错对应两个常见的误用场景：

• ValueError: Lengths must match to compare：是因为你直接将16个元素的成本上限列表和全表9999行的Total Cost列做逐行比较，两个序列长度不一致，无法对应运算
• TypeError: 'Series' objects are mutable, thus they cannot be hashed：是因为你在使用apply或者查询方法时，错误地将整列Series对象作为键传入字典查询，字典要求键为不可变类型，Series是可变对象无法作为哈希键使用

正确实现（性能最优方案） #

首先将你给出的Cost_ranges转换为「金属-成本上限」的映射字典，再用map方法将每行的Metal值映射为对应成本上限，最后做逐行比较即可，不需要用循环或者apply，性能远高于逐行处理方法。

import pandas as pd

# 1. 转换为金属到成本上限的映射字典
metal_limit_map = dict(zip(Cost_ranges['Metals'], Cost_ranges['Cost Maximum']))

# 2. 新增布尔列，按规则判定
df_Cost['is_over_cost_limit'] = df_Cost['Total Cost'] >= df_Cost['Metal'].map(metal_limit_map)

可选：异常值兼容 #

如果你的表中存在不在给出金属列表中的异常值，可以补充填充默认值避免生成空值：

# 不在列表中的金属默认成本上限设为无穷大，判定结果为False，可根据需求调整
df_Cost['is_over_cost_limit'] = df_Cost['Total Cost'] >= df_Cost['Metal'].map(metal_limit_map).fillna(float('inf'))

内容的提问来源于stack exchange，提问作者WoolyFox