如何先满足条件再将值列表插入Pandas DataFrame单元格？

初始数据结构 #

初始DataFrame（Table_1）如下：

需求说明 #

针对每个ID和对应的Service Date，筛选出同一ID下满足**Service Date处于Date Team Start和Date Team End之间**的所有团队，将这些团队去重后以逗号分隔的字符串形式插入对应行的新列Teams Involved中。

尝试的代码 #

以下代码能生成目标数据对象，但不知道如何将值插入原DataFrame对应单元格：

for id in df['ID']:
    a = df[(df['Service Date'] <= df['Date Team End']) &
           (df['Service Date'] >= df['Date Team Start'])]
    a = a.groupby(['case no', 'Service Date'])['Team Assigned'].apply(lambda 
    x: list(np.unique(x)))

期望结果 #

最终想要得到的DataFrame如下：

临时解决方案（待验证） #

我修改了代码生成新的DataFrame，再与原DataFrame合并：

for id in df['ID']:
    a = df[(df['Service Date'] <= df['Date Team End']) &
           (df['Service Date'] >= df['Date Team Start'])]
    a = pd.DataFrame(a.groupby(['ID', 'Service Date'])['Team Assigned'].apply(lambda x: 
    list(np.unique(x)))).reset_index().rename(columns={'Team Assigned':'List of Teams'})

df2 = pd.merge(df, a, on=['ID', 'Service Date'], how='left')

但这个方法实现起来比较繁琐，希望有更简洁的方案。

优化解决方案 #

可以不用循环，直接通过分组处理实现，步骤如下：

1. 先确保日期列是datetime类型（如果原数据不是的话）：

df['Date Team Start'] = pd.to_datetime(df['Date Team Start'])
df['Date Team End'] = pd.to_datetime(df['Date Team End'])
df['Service Date'] = pd.to_datetime(df['Service Date'])

2. 按ID分组，批量生成匹配的团队列表：

def get_involved_teams(group):
    # 对组内每个Service Date，筛选满足时间条件的团队
    def match_teams(service_date):
        mask = (group['Date Team Start'] <= service_date) & (group['Date Team End'] >= service_date)
        teams = group.loc[mask, 'Team Assigned'].unique()
        return ', '.join(sorted(teams))  # 可选排序，让结果更整齐
    
    group['Teams Involved'] = group['Service Date'].apply(match_teams)
    return group

# 分组处理后直接得到结果
result_df = df.groupby('ID').apply(get_involved_teams).reset_index(drop=True)

这个方法直接在原DataFrame上添加新列，无需额外合并，逻辑更清晰，也避免了循环带来的效率问题。

内容的提问来源于stack exchange，提问作者brandooo23