Python 在熊猫专栏上使用字典？

我想做如下事情：

df['Day'] = df['Day'].apply(lambda x: x + myDict[df['Month']]),

在哪里

我所做的是在一个月的某一天加上若干天。如果是二月，一个月的日期是28，我加3得到31

但这不起作用，因为我真的想将myDict应用于df['Month']的索引，而不是直接应用于Month列

我可以为我的命令内联执行ItErrors吗？我认为，与遍历整个数据帧的大for循环相比，pandas的执行速度更快。

试试：

df.Day += df.Month.map(myDict)

或：
因为我真的不明白你在做什么

df.Day += df.index.to_series().map(myDict)

---

你能举一个数据框的例子吗？我可以告诉你里面有什么，但我不能显示客户数据。我有月份，无论是工作日/周末，一个月的哪一天，哪个产品，哪个分区，花费的金额，等等。它是字符串和整数。如果你需要更多的信息，请告诉我。我想知道df['Month']的索引在你的问题中是什么意思。“这样的指数是什么样子的？”皮尔斯夸德刚刚回答。他说使用df.Day+=df.Month.map（myDict）。月份是从1到12的整数。他根据你问题中的“索引”行修改了他的答案。哪一个是正确的？OP声明：我真的想将myDict应用于df['Month']的索引，而不是直接应用于Month列。我试图找出这些索引是什么。df.Day+=df.Month.map（myDict）的原始答案正确地更改了每一行。我认为df.index.to_series（）.map（myDict）不起作用，因为它没有对df.Month的引用！通过索引，我想说的是要寻址的列的所有行值。我不知道索引是正确的术语。@lasingallday您要查找的术语只是值。索引（在任何编程语言中）指的是值的位置。这就是为什么我们感到困惑。

df.Day += df.index.to_series().map(myDict)