Python 2.7 Pandas：基于其他列创建新列的有效方法。多对少

例如：

df = pd.DataFrame( {"A": [7001, 8001, 9001]} )
equiv = {1:[7001, 8001], 2: [9001]}
df["B"] = df["A"].map(equiv.get)

到头来

a, b
7001, 1
8001, 1
9001, 2

我的想法是：

df = pd.DataFrame( {"A": [7001, 8001, 9001]} )
equiv = {1:[7001, 8001], 2: 9001}
df["B"] = df["A"].map(equiv.get)

---

我不想使用

equiv={7001:1，8001:1，9001:2}

，因为在我的实际数据集中，我将有许多字符串值映射到

1

和

2

您可以使用

倒排字典

，然后它：

---

为什么值

9001

不是像

[9001]

一样在一个元素

列表中？@jezrael噢，谢谢你的打字错误！我可以将
9001
放在一个元素
列表中，但它无法实现我的目标。也许那样看起来更干净。。。我会更新的！谢谢您如何看待将列表字典更改为倒排字典，然后使用映射<代码>d=dict（（v，k）表示等价物中的k表示等价物中的v[k]）
和
df[“B”]=df[“A”]。map（d）
我不完全理解。。。我得用谷歌搜索/想想。。。但从我粗略的理解来看，这可能有用！谢谢，那正是我想要的！
import pandas as pd

df = pd.DataFrame( {"A": [7001, 8001, 9001]} )
print df
      A
0  7001
1  8001
2  9001

equiv = {1:[7001, 8001], 2: [9001]}

d = dict( (v,k) for k in equiv for v in equiv[k] )
print d
{7001: 1, 9001: 2, 8001: 1}

df["B"] = df["A"].map(d)
print df
      A  B
0  7001  1
1  8001  1
2  9001  2