如何在pandas DataFrame中按base_path关联高效新增备注列

核心思路是按base_path分组后，拼接每组内去重的region字段值，再映射回原DataFrame，两种常用实现方式如下：

方法1：groupby + transform（代码最简洁） #

适合中小数据量，一行代码即可完成：

import pandas as pd

# 构造示例DataFrame
data = {
    'region': ['us', 'emea', 'asia', 'emea', 'us', 'us', 'asia', 'asia'],
    'base_path': ['/image', '/video', '/docs', '/image', '/video', '/docs', '/location', '/image'],
    'count': [3,2,2,3,2,2,1,3]
}
df = pd.DataFrame(data)

# 核心逻辑
df['comment'] = df.groupby('base_path')['region'].transform(lambda x: '-'.join(x.unique()))

方法2：分组构造映射字典 + map（性能更优） #

适合百万级以上的大数据量，比transform方式开销更低：

# 构造base_path到拼接后comment的映射字典
path_comment_map = df.groupby('base_path')['region'].unique().str.join('-').to_dict()
# 映射到原表新增字段
df['comment'] = df['base_path'].map(path_comment_map)

可选调整 #

如果需要region按固定顺序拼接（比如字母序），只需在拼接前对去重后的列表做排序即可：

# 按字母序排序后拼接
df['comment'] = df.groupby('base_path')['region'].transform(lambda x: '-'.join(sorted(x.unique())))

内容的提问来源于stack exchange，提问作者Dcook