Pandas中如何将字典列表值映射到DataFrame生成新列？

你遇到的问题很典型——map() 默认是用Series的值去匹配字典的键，但你的字典结构是「键对应取值列表」，方向刚好反了，所以直接用原字典map会返回NaN。下面给你两种可行的方案，分别适合不同场景：

方案1：重构字典后用map（推荐，效率更高） #

先把原字典转换成「列表元素→对应键」的映射结构，这样就能直接用map()做向量化匹配，速度比逐行判断快很多，适合大数据量的场景：

import pandas as pd

# 示例数据
dict_cat = {"水果": ["苹果", "香蕉", "橙子"], "蔬菜": ["白菜", "萝卜", "黄瓜"]}
df = pd.DataFrame({"var1": ["香蕉", "萝卜", "橙子", "西瓜"]})

# 重构字典：将每个列表元素映射到对应的键
reverse_map = {}
for category, items in dict_cat.items():
    for item in items:
        reverse_map[item] = category

# 用map生成新列
df["cat"] = df["var1"].map(reverse_map)

运行后df的结果：

方案2：自定义函数+map/apply（无需重构字典） #

如果不想修改原字典结构，可以写一个自定义函数，让map()调用这个函数逐行判断元素是否在字典的列表中：

def get_category(item):
    for category, items in dict_cat.items():
        if item in items:
            return category
    return None  # 没有匹配到返回None，也可以改成你需要的默认值

df["cat"] = df["var1"].map(get_category)

或者用更简洁的lambda表达式（可读性稍差，但代码短）：

df["cat"] = df["var1"].map(lambda x: next((k for k, v in dict_cat.items() if x in v), None))

两种方案对比 #

• 方案1：一次遍历字典构建映射，之后用向量化的map()处理，时间复杂度低，适合大DataFrame或大字典。
• 方案2：每一行都要遍历整个字典，时间复杂度更高，但不需要修改原字典结构，适合小数据量或临时场景。

内容的提问来源于stack exchange，提问作者topcat