Python 使用DataFrame中其他两列的键和值创建字典列

我目前有一个Pandas数据框架，其中有两列，每列包含列表，另一列包含这两个列表元素的元组对。为了方便起见，玩具示例如下：

        col1       col2       col3       col4
0        'a'       [0, 1]     [8, 9]     [(0, 8), (1, 9)]
1        'b'       [2, 3]     [10, 11]   [(2, 10), (3, 11)]
2        'c'       [4, 5]     [12, 13]   [(4, 12), (5, 13)]
3        'd'       [6, 7]     [14, 15]   [(6, 14), (7, 15)]

我想做的是创建一个第5列col5，其中包含字典，其中col3中的值作为键，col2中的值作为值。例如：

        col1       col2       col3       col4                 col5
0        'a'       [0, 1]     [8, 9]     [(0, 8), (1, 9)]     {'8': 0, '9': 1}
1        'b'       [2, 3]     [10, 11]   [(2, 10), (3, 11)]   {'10': 2, '11': 3}
2        'c'       [4, 5]     [12, 13]   [(4, 12), (5, 13)]   {'12': 4, '13': 5}
3        'd'       [6, 7]     [14, 15]   [(6, 14), (7, 15)]   {'14': 6, '15': 7}

我尝试过一些方法，比如

df['col5'] = dict(zip(df['col4'].apply(ast.literal_eval), df['col3'].apply(ast.literal_eval)))

但是我收到一个错误。我最合适的方式是什么？提前感谢。

如果laready创建的col4可以与map循环：

或者，如果输入为col3和col2，则使用zip和列表理解：

或采用以下方法的解决方案：

---

你好谢谢你的回复。当列表中的某些元素为nan时，我该怎么办？每当我尝试执行这些操作时，都会抛出一个格式错误的节点或字符串错误。它们在col2中。@Seankala-那么输出应该是空的dtct，就像col5中的{}或NaN一样？这也是我所期望的，但出于某种原因它会抛出一个错误。。。也许这是因为我在创建原始数据帧时犯了一个错误而出现的问题。我会从头开始再试一次。是的，很好用。我认为数据帧本身有问题。您的解决方案与我创建的其他玩具数据帧配合良好。

df['col5'] = df['col4'].map(lambda x: [{b:a} for a, b in ast.literal_eval(x)])
print (df)
  col1    col2      col3                col4                col5
0  'a'  [0, 1]    [8, 9]    [(0, 8), (1, 9)]    [{8: 0}, {9: 1}]
1  'b'  [2, 3]  [10, 11]  [(2, 10), (3, 11)]  [{10: 2}, {11: 3}]
2  'c'  [4, 5]  [12, 13]  [(4, 12), (5, 13)]  [{12: 4}, {13: 5}]
3  'd'  [6, 7]  [14, 15]  [(6, 14), (7, 15)]  [{14: 6}, {15: 7}]

df['col5'] = [dict(zip(ast.literal_eval(a), ast.literal_eval(b))) 
              for a, b in zip(df['col3'], df['col2'])]

print (df)
  col1    col2      col3                col4            col5
0  'a'  [0, 1]    [8, 9]    [(0, 8), (1, 9)]    {8: 0, 9: 1}
1  'b'  [2, 3]  [10, 11]  [(2, 10), (3, 11)]  {10: 2, 11: 3}
2  'c'  [4, 5]  [12, 13]  [(4, 12), (5, 13)]  {12: 4, 13: 5}
3  'd'  [6, 7]  [14, 15]  [(6, 14), (7, 15)]  {14: 6, 15: 7}

df['col5'] = (df.apply(lambda x:  dict(zip(ast.literal_eval(x['col3']), 
                                           ast.literal_eval(x['col2']))), axis=1))