如何将DataFrame列值与字典列表值进行存在性匹配？

这里有个高效简洁的方案来实现你想要的功能，核心思路是先把映射字典里的所有目标值整合到一个集合（查找效率更高），再用pandas内置方法批量判断：

完整代码示例 #

import pandas as pd
from itertools import chain  # 可选，用来简化代码

# 你的原始数据
d = {'col1':['2q','48', '48-49']}
test = pd.DataFrame(d)

# 映射字典
mupcs_to_pc_mapping = {
    '24': ['48-49', '48', '49'], #M2
    '23': ['50-51', '50', '51'], #M3
    '22': ['52-53', '52', '53'], #M4
    '21': ['54-55', '54', '55'], #M5
}

# 方法1：用itertools.chain合并所有子列表元素为集合（简洁写法）
all_target_values = set(chain.from_iterable(mupcs_to_pc_mapping.values()))

# 方法2：手动循环合并（适合不想导入额外库的场景）
# all_target_values = set()
# for value_list in mupcs_to_pc_mapping.values():
#     all_target_values.update(value_list)

# 批量判断每个col1的值是否在目标集合中
test['exists_in_mapping'] = test['col1'].isin(all_target_values)

# 输出你需要的结果列
print(test['exists_in_mapping'])

运行结果 #

0    False
1     True
2     True
Name: exists_in_mapping, dtype: bool

关键细节说明 #

1. 集合的优势：把所有目标值存入集合，是因为集合的成员检测操作x in s时间复杂度为O(1)，远快于列表的O(n)，当映射字典规模较大时，效率提升会非常明显。
2. isin()方法：pandas的Series.isin()是专门用于批量判断元素是否在目标序列/集合中的内置方法，比手动循环遍历每个元素简洁且高效。

如果你之前尝试相关方法没成功，大概率是因为没有正确提取映射字典里所有子列表的元素，而是仅针对单一列表做判断，导致检测范围不对。

内容的提问来源于stack exchange，提问作者Tony