Pandas为DataFrame新增列时按行排除当前ID值的优化实现方法

• 逻辑取值错误：axis=1时apply传入的x是整行Series对象，不是单独的ID字段值，直接对Series做成员判断会触发真值歧义报错。
• 方法使用错误：list.remove()是原地修改方法，返回值为None，既拿不到修改后的数组，还会直接篡改原始的results_02数组。
• 对象引用错误：最初直接赋值results_02的写法，会让所有行的TEST列引用同一个列表对象，后续任意修改其中一个单元格的列表，所有行都会同步变化。

不需要用性能低下的apply(axis=1)，直接用列表推导式实现，逻辑清晰、运行速度快，还能避免对象引用的坑：

import pandas as pd

# 测试数据
data = {'ID': [250274, 244473, 240274, 247178, 248667]}
df = pd.DataFrame(data)
results_02 = [250274, 244473, 240274, 247178, 248667]

# 核心逻辑：逐行遍历ID，生成排除当前ID的新列表，不修改原始数组
df['TEST'] = [[v for v in results_02 if v != curr_id] for curr_id in df['ID']]

运行后输出完全符合预期：

ID                                      TEST
0  250274  [244473, 240274, 247178, 248667]
1  244473  [250274, 240274, 247178, 248667]
2  240274  [250274, 244473, 247178, 248667]
3  247178  [250274, 244473, 240274, 248667]
4  248667  [250274, 244473, 240274, 247178]

如果results_02中存在重复ID，且你只需要移除第一个匹配的当前ID，而非全部匹配项，可以用如下写法：

def remove_first_match(arr, val):
    temp_arr = arr.copy()
    if val in temp_arr:
        temp_arr.remove(val)
    return temp_arr

df['TEST'] = [remove_first_match(results_02, curr_id) for curr_id in df['ID']]

注：如果强行要用apply实现（性能比列表推导式低3~10倍，不推荐），写法如下：

df['TEST'] = df.apply(lambda row: [v for v in results_02 if v != row['ID']], axis=1)

内容的提问来源于stack exchange，提问作者FeoJun