基于城市映射字典合并Pandas行列并求和（机场转城市航班数）

哈哈，这个需求太常见了——从机场粒度汇总到城市粒度，用Pandas完全可以轻松搞定！核心就是靠你手里的那个城市-机场字典，把每个机场映射到对应的城市，然后分组求和就行。我给你一步步讲明白：

步骤1：先把城市-机场字典反转成「机场→城市」的映射 #

你手里的字典是城市为键、对应机场列表为值，我们需要先把它转成每个机场对应所属城市的字典，这样才能快速给DataFrame的行和列做映射。比如：

# 假设你的城市-机场字典长这样
city_airports = {
    "北京": ["PEK", "NAY"],
    "上海": ["PVG", "SHA"],
    "广州": ["CAN"],
    "深圳": ["SZX"]
}

# 反转成机场到城市的映射
airport_to_city = {airport: city for city, airports in city_airports.items()}

步骤2：合并行（按出发城市分组求和） #

假设你的DataFrame行索引是出发机场代码，我们先把索引替换成对应的城市，然后按城市分组求和，这样同属一个城市的所有出发机场的航班数就会被合并：

# 把行索引映射为城市
df.index = df.index.map(airport_to_city)
# 按行的城市分组，对所有列求和
df = df.groupby(level=0).sum()

步骤3：合并列（按到达城市分组求和） #

同理，DataFrame的列是到达机场代码，用同样的逻辑处理列，就能合并同一城市的到达机场数据：

# 把列名映射为城市
df.columns = df.columns.map(airport_to_city)
# 按列的城市分组，对所有行求和
df = df.groupby(axis=1, level=0).sum()

完整示例演示 #

给你一个可直接运行的完整例子，方便你对照：

import pandas as pd

# 1. 定义城市-机场映射字典
city_airports = {
    "北京": ["PEK", "NAY"],
    "上海": ["PVG", "SHA"],
    "广州": ["CAN"]
}
airport_to_city = {airport: city for city, airports in city_airports.items()}

# 2. 创建示例航班交叉表（行=出发机场，列=到达机场，值=航班数量）
flight_data = {
    "PEK": [0, 12, 8],
    "NAY": [0, 5, 3],
    "PVG": [15, 0, 10],
    "SHA": [7, 0, 4],
    "CAN": [9, 11, 0]
}
df = pd.DataFrame(flight_data, index=["PEK", "NAY", "PVG", "SHA", "CAN"])

# 3. 合并行（出发城市）
df.index = df.index.map(airport_to_city)
df = df.groupby(level=0).sum()

# 4. 合并列（到达城市）
df.columns = df.columns.map(airport_to_city)
df = df.groupby(axis=1, level=0).sum()

# 查看结果
print(df)

运行后得到的结果就是城市之间的航班总数量啦！

小提示：处理未匹配的机场 #

如果你的DataFrame里有不在字典中的机场，可以用get()方法设置默认值，避免报错：

# 把未匹配的机场归为"其他"类别
df.index = df.index.map(lambda x: airport_to_city.get(x, "其他"))

内容的提问来源于stack exchange，提问作者Lorcán