在Python中,如何将字典转换为df列,其中键与df.index值匹配？

我有一个数据帧和一个字典,dict的键与数据帧的索引值相同,如下所示：

A = pd.DataFrame([[1, 5, 2], [2, 4, 4], [3, 3, 1], [4, 2, 2], [5, 1, 4]],
                 columns=['A', 'B', 'C'], index=["1a", "2a", "3a", "4a", "5a"])

B = {'1a': 0.5, '2a': 0.75, '3a': 0.625, '4a': 0.55, '5a': 1}

如何将字典的值转换为数据框中列的值,与其各自的键 – 索引值相匹配.所以输出将是这样的：

    A  B  C  D
1a  1  5  2  0.5
2a  2  4  4  0.75
3a  3  3  1  0.625
4a  4  2  2  0.55
5a  5  1  4  1

新列’D’具有字典’B’中的所有值,并且数据帧中的每个索引值与dict中的对应键值匹配.

谢谢

解决方法:

您可以使用pandas.Series包装dict,然后只需将其创建为列：

In [633]: A['D'] = pd.Series(B)

In [634]: A
Out[634]: 
    A  B  C      D
1a  1  5  2  0.500
2a  2  4  4  0.750
3a  3  3  1  0.625
4a  4  2  2  0.550
5a  5  1  4  1.000