如何按条件更新pandas DataFrame列表列并保留元素唯一性

原代码直接调用extend()方法会把新列表所有元素都追加到原有列表末尾，不会做重复校验，因此会出现重复元素，可根据是否需要保留元素顺序选择以下两种实现方案：

方案1：保留原有元素顺序（推荐） #

原有列表的元素顺序不变，仅追加新列表中不存在于原列表的元素，符合大多数场景需求，完整可运行代码如下：

import pandas as pd

df = pd.DataFrame(columns=['col1', 'col2'])
print(df)

col1 = 'A'
# 注：pandas 2.0+ 已弃用append方法，可替换为pd.concat写法
df = df.append({'col1': col1, 'col2': ['a1','a2', 'a3']}, ignore_index=True)
print(df)

new_list = ['a4', 'a5','a1']
# 取出目标列表
target_list = df.loc[df['col1'] == col1,'col2'].iloc[0]
# 筛选出新列表中不存在于原列表的元素，再追加
unique_add = [item for item in new_list if item not in target_list]
target_list.extend(unique_add)
print(df)

输出结果和期望完全一致，且原有a1、a2、a3的顺序保持不变，新增元素按a4、a5的顺序追加。

方案2：无需保留顺序，实现更简洁 #

如果不需要保留元素的原有顺序，可以直接用集合去重，代码更简短：

import pandas as pd

df = pd.DataFrame(columns=['col1', 'col2'])
print(df)

col1 = 'A'
df = df.append({'col1': col1, 'col2': ['a1','a2', 'a3']}, ignore_index=True)
print(df)

new_list = ['a4', 'a5','a1']
# 集合合并去重后重新赋值
target_list = df.loc[df['col1'] == col1,'col2'].iloc[0]
df.loc[df['col1'] == col1,'col2'] = [list(set(target_list + new_list))]
print(df)

该方案会打乱原有列表的元素顺序，仅适合对顺序无要求的场景。

内容的提问来源于stack exchange，提问作者burcak