Pandas中如何通过GroupBy对整组执行非聚合操作生成相邻序列对？

你可以直接利用Pandas的groupby结合shift方法实现，这是完全向量化的操作，比循环快几个数量级，步骤如下：

1. 确保数据按分组和时间顺序排列 #

虽然你的示例数据已经有序，但实际场景中datetime列可能需要先排序，避免顺序错乱：

# 按person和day（实际为datetime列）排序，保证每组内的时序正确
df_seq = df_seq.sort_values(['person', 'day']).reset_index(drop=True)

2. 生成相邻食物列food_next #

利用groupby后调用shift(-1)，可以在每个person组内将food列向下偏移一行，得到下一个时段的食物：

# 按person分组，对food列执行shift(-1)，获取每组内的下一个食物
df_seq['food_next'] = df_seq.groupby('person')['food'].shift(-1)

3. 过滤掉无后续食物的行 #

每组的最后一行没有下一个食物，对应的food_next为NaN，直接过滤即可：

# 丢弃food_next为NaN的行，得到最终结果
result = df_seq.dropna(subset=['food_next']).reset_index(drop=True)

运行后得到的result就是你想要的输出：

person  day      food food_next
0    Tom    1      beef      lamb
1    Tom    2      lamb   chicken
2   Lucy    1      fish      pork
3   Lucy    4      pork   venison

补充：用apply的实现方式（效率略低） #

如果一定要用apply，可以在每组内生成偏移列后过滤，但性能不如直接的groupby+shift：

result = df_seq.groupby('person', group_keys=False).apply(
    lambda x: x.assign(food_next=x['food'].shift(-1)).dropna()
).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者CyberPlayerOne