Python 使用字典基于旧列创建新列

我看到过一些帖子，当字典对每个键使用一个值时，这些帖子是有效的。但是，我想使用一个字典，每个键有多个值

myDict = {'0': ['a', 'b', 'c'], '1': ['e', 'f'], '2': ['z','x','y']}

我想创建一个新列，使所有

a

、

b

和

c

变为

0

等等，从而：

col1, col2
a, 0
f, 1
a, 0
x, 2
e, 1

根据其他几个答案，我尝试了这个方法，但没有成功：

df['col2']=df['col1']。应用（lambda x:a表示a，b表示myDict.items（）中的b，如果x表示b）

---

我的另一个想法是创建一个像

{'a'：'0'，'b'：'0'}

这样的字典，并映射它，但是如果我的列表很长（每个键都有一个30个值的列表），我想知道一个更简洁的方法。或者这是最好的方法吗？

让我们使用

系列

和

堆栈

pd.Series(myDict).apply(pd.Series).stack().reset_index(level=0)
Out[353]: 
  level_0  0
0       0  a
1       0  b
2       0  c
0       1  e
1       1  f
0       2  z
1       2  x
2       2  y

更新

s=pd.Series(myDict).apply(pd.Series).stack().reset_index(level=0).set_index(0)['level_0']
s.get(df.col1)
Out[372]: 
col1
a    0
f    1
a    0
x    2
e    1
Name: level_0, dtype: object

---

考虑到col1只包含这些值“a”、“b”、“c”、“e”等），您可以使用以下值：

myDict = {'a':0, 'b':'0', 'c':'0', 'e':'1', 'f':'1', 'z':'2', 'x':'2', 'y':'2'}
df.col1.map(myDict)

---

您可以使用列表理解并将其输入到

pd.DataFrame

。这通常比操作现有数据帧更有效

import pandas as pd

d = {'0': ['a', 'b', 'c'], '1': ['e', 'f'], '2': ['z','x','y']}

df = pd.DataFrame([[w, k] for k, v in d.items() for w in v],
                  columns=['col1', 'col2'])

print(df)

  col1 col2
0    a    0
1    b    0
2    c    0
3    e    1
4    f    1
5    z    2
6    x    2
7    y    2

---

谢谢所以我会把它转换成一个类似于@tobsecret建议的字典，然后把字典映射到我的原始列上？这就是你的想法吗？@As3adTintin是的，你可以试试它，汉克斯！似乎nans已经放弃了这一点，将

np.nan:np.nan

添加到字典中也无济于事。对此有什么建议吗？到目前为止，我一直都在使用它（如果将来有人读到它的话。它是有效的，但不确定它是否理想。再次感谢你的帮助，温。

myDict=pd.Series（eduDict）。apply（pd.Series）。stack（）。reset_index（level=0）。set_index（0）['level_0']。to_dict（）

df['col2']=df['col1'].map（myDict）

谢谢，但我想在现有列的基础上创建一个新列，而不仅仅是创建一个具有唯一组合的新df