如何基于索引键字典为Pandas DataFrame新增列？

嗨，这个场景我经常碰到！其实你已经找对方向了，但有更简洁的写法，完全不需要额外的replace操作~

核心思路 #

因为你的DataFrame索引和字典的键是一一对应的（而且索引唯一），pandas本身就支持直接把字典赋值给新列，它会自动按索引匹配对应的值。

最简代码实现 #

先看完整示例：

import pandas as pd

# 构造你的DataFrame和字典
df = pd.DataFrame(index=['Aaron','Benjamin','Clinton','Daniel'])
dic = {'Aaron':25,'Benjamin':40,'Clinton':55,'Daniel':1}

# 一行代码搞定新增列
df['nums'] = dic

执行后你的DataFrame就会新增nums列，值完全对应字典里的内容。

更稳妥的备选方案 #

如果担心后续可能出现部分索引不在字典中的情况（虽然你当前场景不存在），可以用index.map()方法，它会严格按每个索引去字典中取值，不存在的索引会返回NaN：

df['nums'] = df.index.map(dic)

为什么你的原方法里replace是多余的 #

你原来写的df['nums'].replace(dic)其实没必要，因为df['nums'] = dic这一步已经完成了按索引匹配赋值，此时nums列的数值已经是正确的了，replace在这里反而会做无意义的操作。

内容的提问来源于stack exchange，提问作者2_3_7