如何将多键字典值映射回DataFrame列？

你完全不需要修改原DataFrame，只需要创建它的副本，再通过映射字典中的键来获取对应数组的长度，添加为新列即可。以下是具体步骤和代码：

步骤1：创建原DataFrame的副本 #

先复制原始数据，确保所有操作都不会影响原数据：

df_copy = df_perm.copy()

步骤2：构造与字典匹配的键对 #

你的字典键是由字符串类型的资产ID和字符串类型的日期组成的元组，所以需要在副本中生成格式完全一致的键：

# 替换成你DataFrame中实际的资产ID列名和日期列名
# 比如假设资产ID列是'asset_id'，日期列是'asset_date'
df_copy['temp_key'] = list(zip(
    df_copy['asset_id'].astype(str),
    df_copy['asset_date'].astype(str)
))

步骤3：映射字典获取数组长度 #

使用apply从字典中提取对应数组的长度，用get方法避免键不存在时抛出KeyError（默认返回空数组的长度0）：

df_copy['array_length'] = df_copy['temp_key'].apply(lambda k: len(perm_dict.get(k, [])))

步骤4（可选）：清理临时列 #

如果不需要临时的temp_key列，可以删除它：

df_copy = df_copy.drop(columns=['temp_key'])

额外优化：简化字典的构建过程 #

你原来两次遍历DataFrame构建字典的方式可以优化成一次遍历，用collections.defaultdict自动初始化空列表，减少代码冗余：

from collections import defaultdict

perm_dict = defaultdict(list)
# 第一次遍历填充符合条件的数据
for row in df_perm.itertuples():
    key = (str(row[1]), str(row[3]))
    # 你的条件判断
    if row[6].to_datetime().date() < row[9].to_datetime().date() < row[5].to_datetime().date():
        perm_dict[key].append(row[10])
# 确保所有唯一键都存在（即使没有符合条件的数据）
for row in df_perm.itertuples():
    key = (str(row[1]), str(row[3]))
    if key not in perm_dict:
        perm_dict[key] = []

这样处理后，df_copy就是带有新列的DataFrame副本，原df_perm完全不受影响。

内容的提问来源于stack exchange，提问作者MapPeddler