从一对多(未透视)的pandas dataframe列中获取映射字典

从一对多(未透视)的pandas dataframe列中获取映射字典，可以通过以下步骤实现：

首先，我们需要将数据按照一对多的关系进行分组。可以使用pandas的groupby函数来实现，将包含一对多关系的列作为groupby的参数。
接下来，我们可以使用apply函数对每个分组进行操作。在apply函数中，我们可以定义一个函数来处理每个分组的数据。
在定义的函数中，我们可以使用pandas的unique函数来获取每个分组中的唯一值。将这些唯一值作为键，将原始数据中对应的一对多关系列作为值，构建一个字典。
最后，我们可以将这个字典保存下来，作为映射字典供后续使用。

这样，我们就可以从一对多的pandas dataframe列中获取映射字典了。

以下是一个示例代码：

import pandas as pd

# 假设我们有一个包含一对多关系的pandas dataframe
df = pd.DataFrame({'A': ['a', 'a', 'b', 'b', 'c'],
                   'B': ['x', 'y', 'z', 'y', 'x']})

# 使用groupby函数按照列'A'进行分组
grouped = df.groupby('A')

# 定义一个函数来处理每个分组的数据
def get_mapping_dict(group):
    unique_values = group['B'].unique()
    mapping_dict = {value: group['B'].tolist() for value in unique_values}
    return mapping_dict

# 使用apply函数对每个分组进行操作，并获取映射字典
mapping_dict = grouped.apply(get_mapping_dict).to_dict()

# 打印映射字典
print(mapping_dict)

这个代码示例中，我们首先创建了一个包含一对多关系的pandas dataframe。然后，我们使用groupby函数按照列'A'进行分组。接着，我们定义了一个函数get_mapping_dict来处理每个分组的数据，其中使用了unique函数获取唯一值，并构建了一个字典。最后，我们使用apply函数对每个分组应用这个函数，并将结果转换为字典形式。

这样，我们就可以从一对多的pandas dataframe列中获取映射字典了。在实际应用中，可以根据具体需求对代码进行适当修改。