如何识别多非排序任务列中重复分配给用户的任务？

首先构建测试用DataFrame：

import pandas as pd

df = pd.DataFrame({'user': ['u1', 'u2', 'u3', 'u4', 'u5'],
 'date': ['1. August 2023',
  '5. January 2023',
  '2. May 2023',
  '13. July 2023',
  '1. January 2023'],
 'task1': ['A', 'D', 'G', 'B', 'J'],
 'task2': ['B', 'E', 'H', 'D', 'K'],
 'task3': ['C', 'F', 'A', 'I', 'L']})
print(df)

输出结果：

user             date task1 task2 task3
0   u1   1. August 2023     A     B     C
1   u2  5. January 2023     D     E     F
2   u3      2. May 2023     G     H     A
3   u4    13. July 2023     B     D     I
4   u5  1. January 2023     J     K     L

需求：识别被分配了已属于其他用户任务的用户。

尝试的代码（返回空DataFrame，不符合预期）：

new_df = df.copy()

new_df["date"] = pd.to_datetime(new_df["date"], format="%d. %B %Y")

new_df = new_df.sort_values("date")

new_df = new_df.loc[new_df[['task1', 'task2', 'task3']].duplicated()]

预期输出：

tasks_to_reassign = {'u4': ['task2'], 'u1': ['task1', 'task2']}

原因：u4在2023年7月13日被分配的task2（D）已在2023年1月5日分配给u2；u1在2023年8月1日被分配的task1（A）和task2（B），此前已分别分配给u3（2023年5月2日）和u4（2023年7月13日）。

你的问题在于duplicated()是检查整行任务列是否完全重复，但实际需要追踪单个任务值是否在更早日期被其他用户分配过，而非整行重复。按以下步骤实现：

步骤1：预处理数据，转换日期并排序 #

先将日期转为datetime类型，按日期升序排列，确保处理顺序从早到晚：

new_df = df.copy()
new_df["date"] = pd.to_datetime(new_df["date"], format="%d. %B %Y")
new_df = new_df.sort_values("date").reset_index(drop=True)

步骤2：将宽表转为长格式，便于追踪单任务分配历史 #

把多任务列拆成每行对应一个用户-日期-任务类型-任务值的记录：

melted = new_df.melt(
    id_vars=['user', 'date'],
    value_vars=['task1', 'task2', 'task3'],
    var_name='task_type',
    value_name='task_value'
)

步骤3：遍历标记重复分配的任务 #

用字典记录每个任务的首次归属用户，遍历每行数据检查是否存在跨用户的重复分配：

task_assigned = {}
tasks_to_reassign = {}

for idx, row in melted.iterrows():
    user = row['user']
    task_val = row['task_value']
    task_type = row['task_type']
    
    # 任务已被其他用户分配过，标记为需要重分配
    if task_val in task_assigned and task_assigned[task_val] != user:
        if user not in tasks_to_reassign:
            tasks_to_reassign[user] = []
        tasks_to_reassign[user].append(task_type)
    # 任务未被分配过，记录首次归属用户
    elif task_val not in task_assigned:
        task_assigned[task_val] = user

最终结果 #

运行后得到预期输出：

print(tasks_to_reassign)
# 输出：{'u4': ['task2'], 'u1': ['task1', 'task2']}

补充说明 #

• 代码按日期顺序处理，仅标记晚于首次分配的跨用户重复任务；
• 当前逻辑允许同一用户重复分配自己的任务，若需禁止自重复，可去掉task_assigned[task_val] != user的判断；

内容的提问来源于stack exchange，提问作者VERBOSE