如何将值为列表的字典映射到DataFrame的col1并替换匹配值？

没问题，这个需求其实挺常见的，咱们一步步来实现：

首先得把你的字典反转结构——原字典是「键对应列表」，但我们需要的是「列表里的每个元素对应原键」的映射关系，这样才能快速匹配DataFrame里的值。

举个具体的例子 #

假设你的字典和初始DataFrame是这样的：

import pandas as pd

# 你的原字典（键对应列表）
category_dict = {
    "电子产品": ["手机", "电脑", "耳机"],
    "生活用品": ["毛巾", "牙刷", "杯子"]
}

# 需要处理的DataFrame
df = pd.DataFrame({
    "col1": ["手机", "牙刷", "耳机", "键盘", "杯子"]
})

第一步：创建反转映射字典 #

把原字典里的每个列表元素都对应到它所属的键：

# 构建元素到键的映射
reverse_mapping = {}
for category, items in category_dict.items():
    for item in items:
        reverse_mapping[item] = category

第二步：替换DataFrame中的值 #

用replace()或者map()方法完成替换，两种方式都好用：

# 方法1：使用replace（简洁直观）
df["col1"] = df["col1"].replace(reverse_mapping)

# 方法2：使用map + fillna（适合需要保留未匹配值的场景）
df["col1"] = df["col1"].map(reverse_mapping).fillna(df["col1"])

处理后的结果会是这样：

col1
0    电子产品
1    生活用品
2    电子产品
3      键盘  # 不在字典列表里的值会保留原内容
4    生活用品

额外小技巧 #

• 如果想把未匹配到的值统一替换成默认内容（比如「其他类别」），可以把fillna()改成fillna("其他类别")
• 这种字典映射的方式效率很高，哪怕你的字典和DataFrame数据量很大，也能快速完成替换

内容的提问来源于stack exchange，提问作者anticavity123