对比逗号分隔字符串与列表两列，追加保序无重复缺失项的实现

实现代码 #

import pandas as pd

# 构造示例数据，可替换为你的实际数据
df = pd.DataFrame({
    'Column A': ['BB,CC', 'AA,BB'],
    'Column B': [['AA', 'BB'], ['AA', 'BB']]
})

def merge_unique(row):
    # 拆分A列逗号分隔字符串为列表
    a_items = row['Column A'].split(',')
    # 拼接A、B两列的元素
    all_items = a_items + row['Column B']
    # 按插入顺序去重，Python 3.7+ 原生支持
    unique_items = list(dict.fromkeys(all_items))
    # 转回逗号分隔字符串
    return ','.join(unique_items)

# 按行应用处理逻辑，生成结果列
df['Column C'] = df.apply(merge_unique, axis=1)

运行后df['Column C']的输出完全符合预期：

0    BB,CC,AA
1       AA,BB
Name: Column C, dtype: object

如果偏好更简洁的写法，也可以直接用lambda实现：

df['Column C'] = df.apply(
    lambda row: ','.join(dict.fromkeys(row['Column A'].split(',') + row['Column B'])),
    axis=1
)

逻辑说明 #

• 使用apply时指定axis=1，每次传入的参数为当前行的完整数据，可同时读取同一行的Column A和Column B的值，解决了原代码读取整列A的问题
• dict.fromkeys()会将传入列表的元素作为字典的键，自动去重，Python 3.7及以上版本字典默认保留元素插入顺序，完全满足保留原有顺序的需求，无需使用会打乱顺序的set

旧版本兼容方案 #

如果使用Python 3.7以下的版本，替换去重逻辑为有序字典即可：

from collections import OrderedDict
unique_items = list(OrderedDict.fromkeys(all_items))

内容的提问来源于stack exchange，提问作者Billie_H