如何在DataFrame每行的match列中提取并保留唯一值？

你的核心问题是没有先将逗号分隔的字符串拆分为元素列表，直接对字符串使用set会把每个字符（包括逗号）当成独立元素，自然得不到正确的去重结果。以下是两种能保留元素原始顺序的可行解法：

解法一：用dict.fromkeys实现有序去重 #

import pandas as pd

# 构造目标DataFrame
data = {
    'Ville': ['Paris', 'Rome'],
    'match': ['Talborjt,Talborjt,Ville Nouvelle', 'Hay Najah,Hay Najah,Najah']
}
all_quartiers = pd.DataFrame(data)

# 自定义去重函数：分割字符串→清理空格→有序去重→重新拼接
def get_unique_match(s):
    # 按逗号分割并去除每个元素前后的空格
    items = [item.strip() for item in s.split(',')]
    # 利用字典键的唯一性去重，同时保留元素原始顺序（Python3.7+字典默认有序）
    unique_items = list(dict.fromkeys(items))
    # 按目标格式拼接成字符串
    return ', '.join(unique_items)

# 生成contains列
all_quartiers['contains'] = all_quartiers['match'].apply(get_unique_match)
print(all_quartiers)

解法二：用itertools.groupby实现有序去重 #

如果偏好使用迭代工具，也可以用groupby去重：

import pandas as pd
from itertools import groupby

data = {
    'Ville': ['Paris', 'Rome'],
    'match': ['Talborjt,Talborjt,Ville Nouvelle', 'Hay Najah,Hay Najah,Najah']
}
all_quartiers = pd.DataFrame(data)

def get_unique_match(s):
    items = [item.strip() for item in s.split(',')]
    # 按连续重复的元素分组，提取每组的唯一值
    unique_items = [k for k, _ in groupby(items)]
    return ', '.join(unique_items)

all_quartiers['contains'] = all_quartiers['match'].apply(get_unique_match)

输出结果 #

Ville                               match                  contains
0  Paris  Talborjt,Talborjt,Ville Nouvelle  Talborjt, Ville Nouvelle
1   Rome       Hay Najah,Hay Najah,Najah         Hay Najah, Najah

错误代码说明 #

• 前两行代码直接对字符串使用set，会将字符串拆分为单个字符（包括逗号），完全偏离了按元素去重的需求；
• 第三行代码中explode需要match列为列表类型，而你的数据是字符串，运行会报错，且即便为列表，该代码会提取整个列的全局唯一值，而非每行的局部唯一值。

内容的提问来源于stack exchange，提问作者bravopapa