如何从DataFrame列的列表中提取最长元素（含并列情况）

问题描述 #

现有如下DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Names':[['John','Stefan'], ['Stacy','Jennifer'], ['Paul','Sean', 'Alu']],
})

需要新增一列Output，提取Names列每个列表中的最长单词；若存在多个长度相同的最长单词，返回所有符合条件的单词，预期输出如下：

已知单个列表的处理方式如下，但不清楚如何遍历DataFrame列及处理并列最长的情况：

sorted_list = sorted(my_list, key=len)
largest_element = sorted_list[-1]

解决方案 #

可以通过pandas的apply方法遍历列中的每个列表，配合自定义函数实现需求：

1. 定义处理单个列表的函数 #

该函数会找到列表中所有长度最长的单词，并将其用逗号连接为字符串：

def get_longest_words(lst):
    # 处理空列表的边界情况（可选）
    if not lst:
        return ""
    # 获取列表中单词的最大长度
    max_length = max(len(word) for word in lst)
    # 筛选出所有长度等于最大长度的单词
    longest_words = [word for word in lst if len(word) == max_length]
    # 用逗号连接成字符串返回
    return ", ".join(longest_words)

2. 应用函数生成新列 #

使用apply方法将函数作用于Names列，生成Output列：

df['Output'] = df['Names'].apply(get_longest_words)

结果验证 #

执行上述代码后，df的内容如下：

Names       Output
0      [John, Stefan]        Stefan
1    [Stacy, Jennifer]      Jennifer
2  [Paul, Sean, Alu]  Paul, Sean

完全符合预期需求。

说明 #

• apply方法会自动遍历Names列的每个列表元素，将其传入自定义函数处理
• 直接计算最大长度并筛选的方式，比排序后取最后一个更高效，同时能自然处理多个并列最长单词的情况
• 用, 连接结果，保证输出格式与预期一致

内容的提问来源于stack exchange，提问作者Sergei