如何为现有DataFrame添加演员次新电影票房的合成列（Python）

核心思路 #

用Pandas的分组（groupby）和位移（shift）操作实现，这是处理结构化数据的高效方式，避免循环带来的性能损耗。

步骤说明 #

1. 数据预处理（排序）
   首先确保每个演员的电影按上映时间从新到旧排序。如果数据集已有ReleaseDate（上映日期）列，执行以下代码：

   import pandas as pd
   
   # 假设数据集存储在df中，包含Movie, Actor, Revenue, ReleaseDate列
   df = df.sort_values(by=['Actor', 'ReleaseDate'], ascending=[True, False])
   

   如果数据已经按要求排好序，可以跳过此步骤。

2. 生成目标列
   通过分组后位移2位，获取每个演员当前电影之后第2部电影的票房，最后将空值替换为'-'：

   # 按Actor分组，对Revenue列执行shift(2)，得到第二新电影的票房
   df['New Column'] = df.groupby('Actor')['Revenue'].shift(2)
   # 将空值替换为'-'
   df['New Column'] = df['New Column'].fillna('-')
   

验证结果 #

运行上述代码后，你的数据集会生成符合示例要求的New Column列：

性能说明 #

Pandas的groupby和shift都是基于向量化操作实现的，比手动遍历每个演员的电影列表效率高得多，尤其在处理大规模数据集时优势明显。

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