如何在DataFrame中新增列存放同公司同年份其他工作室的员工名单

实现思路 #

• 核心逻辑是按年份、公司ID两个字段分组，确保只统计同一年、同一公司下的其他工作室数据
• 分组后过滤掉当前行对应的工作室，拼接剩余所有工作室的employees字段值即可
• 两种实现方式，小数据量用第一种写法更简洁，大数据量用第二种性能更高

代码实现 #

方式1：分组自定义函数（适合小数据量） #

import pandas as pd

def calc_other_emp(group):
    other_emp_list = []
    for _, row in group.iterrows():
        # 筛选同组非当前工作室的员工，逗号拼接
        current_other = group[group['studio_id'] != row['studio_id']]['employees'].str.cat(sep=',')
        other_emp_list.append(current_other)
    group['other_studio_emp'] = other_emp_list
    return group

# 分组应用函数，生成新字段
df = df.groupby(['year', 'company_id'], group_keys=False).apply(calc_other_emp)

方式2：预聚合关联（适合大数据量，避免逐行迭代性能问题） #

# 预聚合同公司同年的所有工作室ID和员工列表
group_agg = df.groupby(['year', 'company_id']).agg(
    studio_list = ('studio_id', list),
    emp_list = ('employees', list)
).reset_index()

# 聚合结果关联回原表
df = df.merge(group_agg, on=['year', 'company_id'], how='left')

# 过滤当前工作室后拼接员工
df['other_studio_emp'] = df.apply(
    lambda x: ','.join([emp for idx, emp in enumerate(x['emp_list']) if x['studio_list'][idx] != x['studio_id']]),
    axis=1
)

# 清理临时生成的辅助字段
df = df.drop(columns=['studio_list', 'emp_list'])

补充说明 #

• 若需要对最终拼接的员工去重，可在拼接逻辑后增加去重处理，示例：

# 去重示例（以方式1的拼接逻辑为例）
current_other = ','.join(set(current_other.split(','))) if current_other else ''

• 若同公司同年只有1个工作室，生成的other_studio_emp会自动为空字符串，符合业务逻辑。

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