Python 从字典更新列中组的值

我知道如何使用字典中的相关键和值更新数据框的列，但从字典更新列中多个组的值的最佳方法是什么

因此，一种方法是执行groupby，然后从字典中相应的键中读取组值。但是，这对于我的数据集来说太长了，它有1400万行和125000个“匹配id”

df=pd.数据帧（{'match_id'：['m1'，'m1'，'m1'，'m1'，'m2'，'m2'，'m2'，'m2'，'m2'，'m2'，'m2'，'m3'，'m3']，
“姓名”：[“彼得”、“迈克”、“杰夫”、“约翰”、“亚历克斯”、“乔”、“杰夫”、“彼得”、“亚历克斯”、“李”、“乔”、“汤姆”、“迈克”、“约翰”、“汤姆”、“彼得”]，
‘排名’：[4,3,1,2,5,6,2,4,3,1,5,6,1,3,2,4]，
‘评级’：[1200、1300、1600、1550、1150、1540、1340、1300、1390、1290、1450、1650、1420、1490、1320、1410]）
dict1={'m1'：[5,4,1,2,6,3]，'m2'：[4,5,3,6,2,1]，'m3'：[2,1,4,3]}
df_new=pd.DataFrame（）
grouped=df.groupby（'match_id'，sort=False）
对于id，分组中的dfg：
dfm=dfg.copy（）
dfm['new_rank']=dict1[id]
df_new=pd.concat（[df_new，dfm]，sort=True）

这将创建一个新列“new_rank”，其中的值从dict1中为每个匹配_id提取

我还尝试了映射功能，但由于它不适用于组，因此它只是在每行上粘贴每个匹配id的整个值列表

有什么有效的方法可以做到这一点吗

另一方面，这是我编写字典的方式，字典根据“评级”列中的数字顺序计算新等级（如果你也能想出更好的方法来处理整个问题，请让我知道）：

dict1={}
grouped=df.groupby（'match_id'，sort=False）
对于id，分组中的dfg：
dfm=dfg.copy（）
dict1[id]=[len（dfm['rating']）-（排序（dfm['rating']，反向=False）。dfm['rating']中x的索引（x））

我之所以要查字典的逻辑，是因为我们可以马上解决这个问题。你只需要：

输出

   match_id   name  rank  rating  new_rank
0        m1  peter     4    1200         5
1        m1   mike     3    1300         4
2        m1   jeff     1    1600         1
3        m1   john     2    1550         2
4        m1   alex     5    1150         6
5        m1    joe     6    1540         3
6        m2   jeff     2    1340         4
7        m2  peter     4    1300         5
8        m2   alex     3    1390         3
9        m2     li     1    1290         6
10       m2    joe     5    1450         2
11       m2    tom     6    1650         1
12       m3   mike     1    1420         2
13       m3   john     3    1490         1
14       m3    tom     2    1320         4
15       m3  peter     4    1410         3

---

你创建的词典的逻辑是什么？你能不能解释一下，而不是仅仅显示代码。这是我代码的另一部分，但可以放弃，因为这部分工作完美，速度非常快！谢谢不客气，请快速阅读。它可以帮助你提出正确的问题。

   match_id   name  rank  rating  new_rank
0        m1  peter     4    1200         5
1        m1   mike     3    1300         4
2        m1   jeff     1    1600         1
3        m1   john     2    1550         2
4        m1   alex     5    1150         6
5        m1    joe     6    1540         3
6        m2   jeff     2    1340         4
7        m2  peter     4    1300         5
8        m2   alex     3    1390         3
9        m2     li     1    1290         6
10       m2    joe     5    1450         2
11       m2    tom     6    1650         1
12       m3   mike     1    1420         2
13       m3   john     3    1490         1
14       m3    tom     2    1320         4
15       m3  peter     4    1410         3