基于单列映射字典值创建多列的Pandas技术问询

咱们先把你提到的示例数据明确下来，方便后续演示：

主DataFrame（记为df_main）： #

import pandas as pd

df_main = pd.DataFrame({
    'country': ['bolivia', 'canada', 'ghana']
})

映射关系DataFrame（记为df_mapping）： #

df_mapping = pd.DataFrame({
    'country': ['canada', 'bolivia', 'ghana'],
    'country_id': [11, 22, 33],
    'category': ['north', 'south', 'africa'],
    'color': ['red', 'green', 'yellow']
})

方法1：直接使用merge()合并（最推荐） #

这是处理这类多列映射最直观的方式，因为你的映射关系本身就是一个DataFrame，直接通过共同的country列合并，就能一次性把所有需要的列都带过来：

result = df_main.merge(df_mapping, on='country', how='left')
print(result)

输出结果：

country  country_id category   color
0   bolivia          22    south   green
1    canada          11    north     red
2     ghana          33   africa  yellow

• 参数how='left'是为了保证主DataFrame里的所有行都能保留，哪怕映射表里没有对应数据（这时候对应列会显示NaN）
• 如果你的映射表是字典格式（比如键是国家名，值是包含多个属性的元组），可以看下面的方法。

方法2：字典映射后拆分多列 #

假设你把映射关系转成了这样的字典：

country_dict = {
    'bolivia': (22, 'south', 'green'),
    'canada': (11, 'north', 'red'),
    'ghana': (33, 'africa', 'yellow')
}

这时候可以用map()把每个国家对应的元组取出来，再用pd.Series()拆分成单独的列，最后和原DataFrame拼接：

# 映射并拆分多列
new_cols = df_main['country'].map(country_dict).apply(pd.Series)
# 给新列命名
new_cols.columns = ['country_id', 'category', 'color']
# 和原DataFrame合并
result = pd.concat([df_main, new_cols], axis=1)

这样得到的结果和方法1完全一致，适合映射关系是以字典形式存储的场景。

内容的提问来源于stack exchange，提问作者imstuck