Pandas：通过二维字典映射现有Series创建新Series

嘿，我来帮你搞定这个用二维字典给DataFrame生成新Series的需求！你要做的是根据datetime列，先匹配日期（字典的一级键），再匹配小时（对应日期子字典的键），最终生成新的dh列对吧？下面给你两种实用的方法，按需选择：

方法一：拆分datetime后逐行匹配（直观易懂） #

这种方法先把datetime拆成日期字符串和小时数两个辅助字段，再通过apply逐行查找二维字典里的值，逻辑非常清晰，适合数据量不大的场景：

import pandas as pd

# 先准备示例数据和二维映射字典
df = pd.DataFrame({
    'timestamp': pd.to_datetime(['2023-10-01 03:00', '2023-10-01 09:00', '2023-10-02 02:00'])
})

hour_map = {
    '2023-10-01': {0: 'night', 1: 'night', 2: 'night', 3: 'night', 4: 'night',
                   5: 'dawn', 6: 'dawn', 7: 'morning', 8: 'morning', 9: 'morning'},
    '2023-10-02': {0: 'late_night', 1: 'late_night', 2: 'late_night', 3: 'dawn',
                   4: 'dawn', 5: 'dawn', 6: 'morning', 7: 'morning', 8: 'morning'}
}

# 提取日期字符串和小时数
df['date_str'] = df['timestamp'].dt.strftime('%Y-%m-%d')
df['hour'] = df['timestamp'].dt.hour

# 生成dh列：先找日期对应的子字典，再匹配小时的值
df['dh'] = df.apply(lambda row: hour_map[row['date_str']][row['hour']], axis=1)

# 不需要辅助列的话可以删掉
df = df.drop(['date_str', 'hour'], axis=1)

如果担心有缺失的(date, hour)组合会报错，可以用get方法设置默认值，把apply那行改成：

df['dh'] = df.apply(lambda row: hour_map[row['date_str']].get(row['hour'], 'unknown'), axis=1)

方法二：扁平化字典后向量化映射（高效适合大数据） #

如果你的数据集很大，apply的逐行处理速度会比较慢，这时候可以把二维字典扁平化成元组键的一维字典，然后用向量化的map操作来匹配，速度会快很多：

# 把二维字典扁平化成 (日期字符串, 小时) 为键的字典
flat_map = {}
for date, hour_subdict in hour_map.items():
    for hour, value in hour_subdict.items():
        flat_map[(date, hour)] = value

# 生成(date_str, hour)元组的Series，然后直接映射
df['dh'] = list(zip(df['timestamp'].dt.date.astype(str), df['timestamp'].dt.hour)).map(flat_map)

同样，要处理缺失值的话，可以用get方法：

df['dh'] = list(zip(df['timestamp'].dt.date.astype(str), df['timestamp'].dt.hour)).map(lambda x: flat_map.get(x, 'unknown'))

注意事项 #

• 确保datetime列的时区统一，如果有时区差异，先通过dt.tz_convert转成一致的时区，避免日期字符串不匹配。
• 如果你的日期键是datetime.date类型而不是字符串，那提取的时候直接用df['timestamp'].dt.date即可，不用转字符串。

内容的提问来源于stack exchange，提问作者elPastor