Python 通过哈希映射基于其他列设置或替换数据帧列中的值

我需要通过散列映射，基于其他列设置数据帧中某列的值。我无法通过现有的答案让它工作。希望有人能帮助我

我有一个带有一些列的df。我想添加一个新列，其中的值基于其他一些现有列。该值将基于哈希映射进行设置

这是从数据帧创建的哈希映射；索引是一个元组：

material\u code\u map=dict（[（a，b，c），i）表示拉链中的i，a，b，c（df.material，
df.高度，
df.Pole_级，
df.治疗]）

然后，我有一个df，它包含列材质、高度、杆类等。 在df中，我想添加列Material，其中Material是基于元组（Height、Pole_类、Treatment）从贴图派生的

以下测试代码不起作用：

cleaned=cleaned.assign（材料编号=λx:x.Pole\u等级+x.Pole\u长度）
已清理=已清理。分配（材料编号=λx：材料代码映射[（30,6，'PENTA'））

但是，这段代码似乎是显而易见的下一步，但它不起作用：

cleaned=cleaned.assign（材料编号=λx：材料代码映射[（x.Pole\u长度，x.Pole\u等级，'PENTA'））

我得到一个错误：

TypeError:“Series”对象是可变的，因此不能对它们进行散列

---

感谢您帮助我解决这个问题。

我终于找到了解决方案，并在这里与大家分享，以防对像我这样的人有用。 我使用了一个更简单的代码来关注sintax。d是映射表（字典），df是包含A列和B列的表；列C通过映射d添加了基于A、B的值

[12]：d中的

Out[12]：{（1，1）：1，（1，2）：2，（1，3）：3，（1，4）：4}
In[13]：df
出[13]：
A B
0     1     2
1    11    22
2     1     3
3  1111  2222
在[14]中：df['C']=df[['A'，'B']].apply（元组，轴=1）.map（d）
In[15]：df
出[15]：
A B C
0     1     2  2.0
11122南
2     1     3  3.0
3111222南

它也适用于字符串，正如我在本例中所需：

[23]：d中的

Out[23]：{（1，'a'）：1，（1，'b'）：2，（1，'c'）：3，（1，'d'）：4}
In[24]：df
出[24]：
A B
01 a
1    11    22
2 1 c
3  1111  2222
在[25]中：df['C']=df[['A'，'B']].apply（元组，轴=1）.map（d）
In[26]：df
出[26]：
A、B、C
01A1.0
11122南
21C3.0
3111222南
在[27]中：

我终于找到了解决方案，并在这里与大家分享，以防对像我这样的人有用。 我使用了一个更简单的代码来关注sintax。d是映射表（字典），df是包含A列和B列的表；列C通过映射d添加了基于A、B的值

[12]：d中的

Out[12]：{（1，1）：1，（1，2）：2，（1，3）：3，（1，4）：4}
In[13]：df
出[13]：
A B
0     1     2
1    11    22
2     1     3
3  1111  2222
在[14]中：df['C']=df[['A'，'B']].apply（元组，轴=1）.map（d）
In[15]：df
出[15]：
A、B、C
0     1     2  2.0
11122南
2     1     3  3.0
3111222南

它也适用于字符串，正如我在本例中所需：

[23]：d中的

Out[23]：{（1，'a'）：1，（1，'b'）：2，（1，'c'）：3，（1，'d'）：4}
In[24]：df
出[24]：
A B
01 a
1    11    22
2 1 c
3  1111  2222
在[25]中：df['C']=df[['A'，'B']].apply（元组，轴=1）.map（d）
In[26]：df
出[26]：
A、B、C
01A1.0
11122南
21C3.0
3111222南
在[27]中：