Python 在值上追加到存储在dataframe中的字典

因此，我有一个数据帧，如下所示

   a   b   c  
0  AB  10  {a: 2, b: 1}
1  AB  1   {a: 3, b: 2}
2  AC  2   {a: 4, b: 3}
...   
400 BC 4   {a: 1, b: 4}

给定另一个像

{c:2}

这样的密钥对，将其添加到c行中的每个值的语法是什么

   a   b   c  
0  AB  10  {a: 2, b: 1, c: 2}
1  AB  1   {a: 3, b: 2, c: 2}
2  AC  2   {a: 4, b: 3, c: 2}
...   
400 BC 4   {a: 1, b: 4, c: 2}

---

我试过

df['C']+=、df['C'].append（）

和

df.C.append

，但两种方法都不起作用。

这里有一种通用方法，可以用另一个字典更新列中的字典，它可以用于多个键

测试数据帧：

>>> x = pd.Series([{'a':2,'b':1}])
>>> df = pd.DataFrame(x, columns=['c'])
>>> df
                  c
0  {'b': 1, 'a': 2}

只需

应用

一个lambda函数：

>>> update_dict = {'c': 2}
>>> df['c'].apply(lambda x: {**x, **update_dict})
0    {'b': 1, 'a': 2, 'c': 2}
Name: c, dtype: object

注意：这使用了在对的回答中提到的Python3更新字典语法。对于Python2，您可以使用顶部答案中的

merge\u two\u dicts

函数。您可以使用该答案中的函数定义，然后编写：

df['c'].apply(lambda x: merge_two_dicts(x, update_dict))

---

df['C'].update（C=2）

这返回了一个类型错误，因为字典中还不存在“C”。

df['C']=df.C.apply（lambda x:dict（x，C=2））

？请注意，您的词典的顺序可能会改变。嗯，这给了我语法错误：在**x部分无效语法您是否使用Python2？是的，我想我忘了在主要帖子中提到这一点。使用Python2解决方案编辑。