Python 使用字典作为映射器创建熊猫系列

是否有内置函数使用字典作为映射器和数据框中的索引级别创建

pandas.Series

列

其想法是基于索引级别中的值和字典创建一个新列。例如：

让我们假设以下数据帧，其中

id

、

name

和

code

以及索引中的不同级别

df

                  col1    col2
id  name  code  
 0    a    x       7       10
           y       8       11
           z       9       12

 1    b    x       13      16
           y       14      17
           z       15      18

下面的字典

d={'a'：{'y'，'z'}，'b'：{'x'}

新列的输出应如下所示：

                  col1    col2    new
id  name  code  
 0    a    x       7       10      0
           y       8       11      1
           z       9       12      1

 1    b    x       13      16      1
           y       14      17      0
           z       15      18      0

作为映射的结果，

new

=

1

如果

code

索引值在具有键

name

的值的字典列表中，则为

0

我试图手动创建此映射，但我不确定如何在索引级别上迭代

这是我迄今为止的尝试：

df['y'] = [1 if i in d[k] else 0 for k, v in d.items() for i
                 in df.index.get_level_values('code')]

但是我得到了下面的错误，这让我觉得我没有正确地迭代索引级别，或者没有按照预期与字典一起迭代

ValueError: Length of values does not match length of index

---

有什么建议吗？

将此选项用于您需要的新专栏：

df['new'] = [1 if j in d[i] else 0 for (i, j) in zip(df.index.get_level_values('name'), df.index.get_level_values('code'))]

---

以上@WebDev答案的超级非pythonic且低效的方法

k = list(zip(df.index.get_level_values('Brand'), 
df.index.get_level_values('Metric')))
tmp_list = [0]*df.shape[0]
for keys in d:
    for vals in d[keys]:
        for i,pairs in enumerate(k):
            if pairs[0] == keys and pairs[1] == vals:
                tmp_list[i] = 1
df['new'] = tmp_list