問(wèn)題的本質(zhì)是“在DataFrame中創(chuàng)建一個(gè)新列”，基于現(xiàn)有列'user_id'和字典{dict}，它作為字典'user_id'列的值的鍵和字典的值類(lèi)型。我有以下 DataFrame df。    df = pd.DataFrame({"user_id" : [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5],                   "value" : [0, 100, 50, 0, 25, 50, 100, 0, 7, 8, 20]})    print(df)     | user_id | value      _________________0    |     1   |    0  1    |     2   |  100  2    |     2   |   50  3    |     3   |    0  4    |     3   |   25  5    |     3   |   50  6    |     4   |  100  7    |     4   |    0  8    |     4   |    7  9    |     4   |    8  10   |     5   |   20  另外，我有一本字典，它是dict = {1 : 'type_a', 2: 'type_b', 3: 'type_a', 4: 'type_b', 5: 'type_a'}我的想法是在我的 DataFrame df 中創(chuàng)建第三列，稱(chēng)為關(guān)稅，所以如果我有一個(gè) user_id 3，DataFrame 中的所有行都會(huì)有 a 類(lèi)型的關(guān)稅。我找到了一種解決方案，但我不太明白它是如何實(shí)現(xiàn)的。df['tariffs'] = df.apply(lambda x: dict[x.user_id], axis=1)print(df)     | user_id | value |     _________________________0    |     1   |    0  |type_a1    |     2   |  100  |type_b2    |     2   |   50  |type_b3    |     3   |    0  |type_a4    |     3   |   25  |type_a5    |     3   |   50  |type_a6    |     4   |  100  |type_b7    |     4   |    0  |type_b8    |     4   |    7  |type_b9    |     4   |    8  |type_b10   |     5   |   20  |type_a我在這行代碼之后得到的結(jié)果正是我想要的特別是我不明白這部分dict[x.user_id] 問(wèn)題是我使用的方法是否有任何替代方法。而背后的邏輯是什么dict[x.user_id]。提前致謝