迭代计算多集合累积交集 为DataFrame新增对应列的实现方法

首先确保DataFrame的Letter列存储为Python原生set类型，以下是两种常用的实现方案：

方案1：用functools.accumulate实现（性能最优） #

该方案底层为优化后的迭代逻辑，无pandas apply的额外开销，适合大小数据集。

import pandas as pd
from functools import accumulate

# 构造示例数据
df = pd.DataFrame({
    'Group': [1,2,3,4,5],
    'Letter': [
        {'a','b','c','d','e'},
        {'b','c','d','e','f'},
        {'b','c','d','f','g'},
        {'a','b','c','f','g'},
        {'a','c','d','e','h'}
    ]
})

# 累积计算所有前置集合的交集
cum_intersect = accumulate(df['Letter'], lambda pre, cur: pre & cur)
# 构造结果列：第1行设为None，后续行对应累积交集的结果
df['Intersection'] = [None] + list(cum_intersect)[1:]

方案2：用pandas expanding窗口实现（写法更简洁） #

该方案用pandas原生的滑动扩展窗口实现，适合小数据量场景：

df['Intersection'] = df['Letter'].expanding().apply(
    lambda x: set.intersection(*x) if len(x) >= 2 else None
)

补充说明 #

• 若需要固定顺序的输出结果，可以在计算交集后调用sorted()转成有序列表，例如将方案1的lambda改为lambda pre, cur: sorted(pre & cur)
• 集合为空交集时会返回空set，可根据需求自行调整为空值或其他默认值

内容的提问来源于stack exchange，提问作者Joe