如何为Pandas DataFrame按id列添加分组关联新列？

没问题，这其实是Pandas里很常见的分组映射需求，下面给你几种简单实用的实现方式，都能达到你想要的效果：

方法一：字典映射（最直观可控） #

如果已经明确知道每个id对应的颜色，直接用字典映射是最清晰的方式：

import pandas as pd

# 先构造你的原始DataFrame
df = pd.DataFrame({
    'id': [1, 1, 2, 2, 3, 3],
    'x': [0.3, 0.2, 0.1, 0.9, 0.8, 0.7],
    'y': [0.4, 0.5, 0.6, 0.1, 0.2, 0.3]
})

# 创建id到颜色的映射字典
color_mapping = {1: 'green', 2: 'black', 3: 'red'}

# 给DataFrame添加color列
df['color'] = df['id'].map(color_mapping)

# 输出结果
print(df)

运行后就能得到你想要的结果，同一id的行会自动匹配对应的颜色，非常好维护。

方法二：自动分配颜色（适合id数量较多的场景） #

如果你的id数量很多，不想手动写映射字典，可以用factorize()自动给每个唯一id分配编码，再对应到颜色列表：

import pandas as pd

df = pd.DataFrame({
    'id': [1, 1, 2, 2, 3, 3],
    'x': [0.3, 0.2, 0.1, 0.9, 0.8, 0.7],
    'y': [0.4, 0.5, 0.6, 0.1, 0.2, 0.3]
})

# 定义颜色列表，顺序对应id首次出现的顺序
color_list = ['green', 'black', 'red']
# factorize()返回的第一个元素是每个id对应的编码（0、1、2...），再映射到颜色
df['color'] = df['id'].factorize()[0].map(lambda idx: color_list[idx])

print(df)

这种方法不需要手动绑定每个id和颜色，适合动态生成分组颜色的场景。

方法三：用replace()实现（写法更简洁） #

这是和字典映射效果一致的另一种写法，语法更简洁，看个人习惯选择：

df['color'] = df['id'].replace({1: 'green', 2: 'black', 3: 'red'})

最终输出效果 #

不管用哪种方法，最终都会得到如下结果：

内容的提问来源于stack exchange，提问作者gal leshem