Python 创建新的dataframe列作为其他列的函数

我有一个带有

Country

列的数据框。它为大约15个国家举办了比赛。我想使用映射字典添加一个

大陆

列，

大陆dict

，该字典具有从国家名称到大陆名称的映射）

我看到这两个都起作用了

df[“人口”]=df[“能源供应”]/df[“人均能源供应”]

df['contraction']=df.apply（lambda x:contractiondict[x['Country']]，axis='columns'）

但事实并非如此

df[‘大陆]]=大陆dict[df[‘国家]]

看起来问题在于

df['Country']

是一个series对象，因此该语句不够智能，无法将最后一条语句视为与2相同

问题

我很想理解为什么陈述1有效，而不是陈述3。是因为“分割两个系列对象”被定义为元素分割吗

有没有办法改变3，告诉我需要元素操作，而不必走

apply

路线

• 在案例1中，您正在处理两个熊猫系列，因此它知道如何处理它们

• 在案例2中，您有一个python字典和pandas系列，pandas不知道如何处理字典（df['country']是pandas系列，但不是字典中的键）

---

从您的语句一个映射字典，

大陆dict

，它看起来像

大陆dict

是一个Python字典。在这种情况下,

ContinentDict[some_key]

是一个纯粹的Python调用，而不管对象

some\u key

是什么。这就是为什么第三次调用失败的原因，因为

df['Country']

不在字典键中（而且永远不可能，因为字典键是不可变的）

在这种情况下，Python只允许索引精确的键，并在键不在字典中时抛出错误

Pandas确实为您提供了替换/映射值的工具：

df['Continent'] = df['Country'].map(ContinentDict)

---

如果你真的想回答问题1，你应该重新措辞你的文章，只关注它。如果你只关心回答问题2，请在副本中找到答案。

df['Continent'] = df['Country'].map(ContinentDict)