Pandas：如何按规则替换DataFrame中列表型Holiday字段为单个值？

原始DataFrame与期望输出如下：

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({
    'index': [1, 2, 3, 4, 5, 6, 7],
    'result': [80, 85, 90, 91, 92, 93, 94],
    'holiday': ['Dam', 'Dam', 'Easter', ['Easter', 'TomTom'], ['TomTom', 'Christmas'], None, ['Birthday', 'Halloween']]
})

# 期望输出的df_out
df_out = pd.DataFrame({
    'index': [1, 2, 3, 4, 5, 6, 7],
    'result': [80, 85, 90, 91, 92, 93, 94],
    'holiday': ['Dam', 'Dam', 'Easter', 'TomTom', 'TomTom', None, 'Birthday']
})

需求：将原始DataFrame中holiday字段的列表值替换为单个holiday，替换规则为：

• 优先选择对应result最大值的holiday；
• 若result相同，则选择出现次数（count）最多的；
• 若次数也相同，可任选其一。

目前通过循环与多条件判断实现，希望得到更简洁的处理方法。

可以通过预计算每个holiday的优先级指标，结合apply快速完成替换，全程无需循环：

import pandas as pd

# 1. 原始DataFrame
df = pd.DataFrame({
    'index': [1, 2, 3, 4, 5, 6, 7],
    'result': [80, 85, 90, 91, 92, 93, 94],
    'holiday': ['Dam', 'Dam', 'Easter', ['Easter', 'TomTom'], ['TomTom', 'Christmas'], None, ['Birthday', 'Halloween']]
})

# 2. 预计算每个holiday的全局最大result和出现次数
temp_explode = df.explode('holiday').dropna(subset=['holiday'])
holiday_metrics = temp_explode.groupby('holiday').agg(
    max_result=('result', 'max'),
    count=('result', 'count')
).reset_index()

# 3. 定义替换函数：对每个holiday项返回最优选择
def pick_best_holiday(holiday_item, result_val):
    if not isinstance(holiday_item, list):
        return holiday_item
    # 筛选当前列表中的候选holiday
    candidates = holiday_metrics[holiday_metrics['holiday'].isin(holiday_item)].copy()
    # 标记当前行result是否匹配该holiday的全局最大值
    candidates['current_match'] = candidates['max_result'] == result_val
    # 按优先级排序：当前匹配度>全局max_result>出现次数
    candidates = candidates.sort_values(
        by=['current_match', 'max_result', 'count'],
        ascending=[False, False, False]
    )
    return candidates.iloc[0]['holiday']

# 4. 应用函数到每一行
df['holiday'] = df.apply(lambda row: pick_best_holiday(row['holiday'], row['result']), axis=1)

print(df)

代码说明： #

• 先通过explode拆分所有holiday列表，统计每个holiday的全局指标，作为优先级判断的基础；
• 替换函数针对列表类型的holiday，筛选候选后按规则排序，直接取最优项；
• 最终结果与期望输出完全一致，用Pandas原生操作替代循环，代码更简洁高效。

内容的提问来源于stack exchange，提问作者Lata