Python 如何"；反向地图“；如果值列表中的一个值与行中的一个值匹配，则将字典的键指向行？

该列表中包括列、年份和标准。还有一个标签字典（键），每个标签都有一个标准列表（值）。 我想在标准与值列表中的一个条目相匹配的每一行中添加一个标签

例如：

import pandas as pd 

labels_dict = {'label_1': [1,2],
         'label_2': [4,6]}

df = pd.DataFrame({'year':[2014,2014,2015,2015,2016,2016], 
                   'criterion':[1,2,3,4,5,6]})

>>> print(df)
   year  criterion
0  2014          1
1  2014          2
2  2015          3
3  2015          4
4  2016          5
5  2016          6


target_labels = pd.DataFrame({'labels': ['label_1', 'label_1', pd.NaT, 'label_2', pd.NaT, 'label_2']})

target_df = pd.concat([df, target_labels], axis=1)

>>> print(target_df)
   year  criterion   labels
0  2014          1  label_1
1  2014          2  label_1
2  2015          3      NaT
3  2015          4  label_2
4  2016          5      NaT
5  2016          6  label_2

一些注意事项：

标签字典是我能想到的最好的主意，但是因为我是手动创建的，所以我可以使用不同的对象

我尝试失败（每个循环覆盖整个列）：

---

切换标签中的键和值不起作用，因为列表不易损坏。

最简单的方法是创建反向字典和映射：

reverse_label = {x:k for k,v in labels_dict.items() for x in v}

df['labels'] = df['criterion'].map(reverse_label)

输出：

   year  criterion   labels
0  2014          1  label_1
1  2014          2  label_1
2  2015          3      NaN
3  2015          4  label_2
4  2016          5      NaN
5  2016          6  label_2

与字典一起使用：

#swap key values in dict
#http://stackoverflow.com/a/31674731/2901002
d = {k: oldk for oldk, oldv in labels_dict.items() for k in oldv}
df['labels'] = df['criterion'].map(d)
print(df)
   year  criterion   labels
0  2014          1  label_1
1  2014          2  label_1
2  2015          3      NaN
3  2015          4  label_2
4  2016          5      NaN
5  2016          6  label_2

---

0.25后的新方式

爆炸

s=pd.Series(labels_dict).explode()
df['labels']=df.criterion.map(dict(zip(s,s.index)))
df
Out[137]: 
   year  criterion   labels
0  2014          1  label_1
1  2014          2  label_1
2  2015          3      NaN
3  2015          4  label_2
4  2016          5      NaN
5  2016          6  label_2

s=pd.Series(labels_dict).explode()
df['labels']=df.criterion.map(dict(zip(s,s.index)))
df
Out[137]: 
   year  criterion   labels
0  2014          1  label_1
1  2014          2  label_1
2  2015          3      NaN
3  2015          4  label_2
4  2016          5      NaN
5  2016          6  label_2