如何为Pandas DataFrame添加分组前序颜色列表新列？

需求：给Pandas DataFrame新增colors列，该列值为同一year和item分组中当前行之前所有行的color值组成的列表。

示例输入 #

import pandas as pd

df = pd.DataFrame({
    'id': [0, 1, 2, 3],
    'item': ['shirt', 'shoes', 'shirt', 'shirt'],
    'year': [2021, 2022, 2021, 2021],
    'color': ['yellow', 'pink', 'green', 'black']
})

原始数据展示：

id  item   year  color
0   shirt  2021  yellow
1   shoes  2022  pink
2   shirt  2021  green
3   shirt  2021  black

期望输出 #

注：原示例中第1行的[pink]不符合逻辑（当前行是分组内第一行，无前置数据），修正后的正确期望输出为：

id  item   year  color   colors
0   shirt  2021  yellow  []
1   shoes  2022  pink    []
2   shirt  2021  green   [yellow]
3   shirt  2021  black   [yellow, green]

你的代码问题分析 #

• 第一段代码apply(list())：错误地直接执行了list()，应该传递函数对象而非执行结果。就算改成lambda x: list(x)，也会把整个分组的color列表赋值给每一行，无法实现“当前行之前”的要求。
• 第二段代码：存在语法错误（缺少闭合括号），且x.shift()会将分组内的color整体下移，转成列表后每行都是整个移位后的数组，不是累积的历史列表。

正确解决方案 #

方案1：自定义遍历函数（直观易懂）

def build_history(col):
    history = []
    result = []
    for val in col:
        # 先把当前历史（之前的元素）加入结果
        result.append(history.copy())
        # 再把当前值加入历史
        history.append(val)
    return result

# 分组处理后展开对齐原数据
df['colors'] = df.groupby(['year', 'item'])['color'].apply(build_history).explode()

方案2：用expanding窗口（更简洁）

df['colors'] = df.groupby(['year', 'item'])['color'].expanding().apply(
    lambda x: list(x[:-1]) if len(x) > 1 else []
).reset_index(level=0, drop=True)

expanding()会生成包含当前行及之前所有行的窗口，x[:-1]取窗口中除当前行外的所有元素，第一行窗口只有自己，返回空列表。reset_index用来移除分组索引，对齐原DataFrame的行。

最终结果 #

运行上述代码后，df将符合预期：

id    item  year   color          colors
0   0   shirt  2021  yellow              []
1   1   shoes  2022    pink              []
2   2   shirt  2021   green       [yellow]
3   3   shirt  2021   black  [yellow, green]

内容的提问来源于stack exchange，提问作者agent_anon