Python Pandas实现重复站点与对应所有者的有序匹配

原始数据 #

import pandas as pd
df = pd.DataFrame({
    'Lineup ID':['1691', '1691', '1691', '1691', '1691', '1691'],
    'Station':['WRCB', 'WAAY', 'WXIA', 'WAFF', 'WTVC', 'WPXA'],
    'Affiliation':['NBC', 'NBC', 'NBC', 'ABC', 'ABC', 'ION'],
    'Owner':['Sarkes', 'Gray', 'Tegna', 'Allen', 'Sinclair', 'Scripps'],
})

需求 #

• 新增Duplicate Station列：显示与当前行Lineup ID和Affiliation相同的其他站点，多个站点用逗号分隔
• 新增Duplicate Owner列：对应上述重复站点的所有者，需与Duplicate Station的顺序完全一致；若该分组无其他站点则为空

当前问题 #

使用分组聚合set的方式实现时，站点和所有者的顺序无法匹配（例如WXIA行的所有者顺序与站点顺序不对应），因为set是无序结构，会打乱原始数据的顺序。

解决方案 #

通过分组后保留原始顺序的列表，再逐行筛选排除自身的方式实现：

# 按Lineup ID和Affiliation分组，生成每个组的站点列表和所有者列表
grouped = df.groupby(['Lineup ID', 'Affiliation']).apply(
    lambda x: pd.Series({
        'station_list': x['Station'].tolist(),
        'owner_list': x['Owner'].tolist()
    })
).reset_index()

# 将分组结果合并回原DataFrame
df = df.merge(grouped, on=['Lineup ID', 'Affiliation'], how='left')

# 生成Duplicate Station和Duplicate Owner列
def get_duplicates(row):
    # 获取当前站点在列表中的索引
    idx = row['station_list'].index(row['Station'])
    # 复制列表并移除当前站点/所有者
    dup_stations = row['station_list'][:idx] + row['station_list'][idx+1:]
    dup_owners = row['owner_list'][:idx] + row['owner_list'][idx+1:]
    # 转为逗号分隔的字符串，无重复则为空
    return ','.join(dup_stations), ','.join(dup_owners)

df[['Duplicate Station', 'Duplicate Owner']] = df.apply(get_duplicates, axis=1, result_type='expand')

# 清理临时列
df = df.drop(['station_list', 'owner_list'], axis=1)

结果展示 #

处理后的DataFrame如下：

原理说明 #

1. 分组时使用tolist()保留原始数据的顺序，避免set的无序性
2. 通过索引定位当前行在分组列表中的位置，精准排除自身，确保剩余站点和所有者的顺序完全对应
3. 使用apply逐行处理，最终拼接成符合要求的字符串格式

内容的提问来源于stack exchange，提问作者Jpdiv