Python 数据帧列表列中的每一行都有一些值

我有一个400多列的数据集，其中第一列是公司标识符，第二列是文章标识符，其他列是文章的一些属性。有超过50000家公司，每家公司最多有1000篇文章。对于大多数公司来说，所有文章的属性值（对我来说很重要）都是相同的，但不是所有的。 我正在使用python数据帧来分析数据。 我想添加一个列，其中列出了每个公司的所有不同列

示例（为便于阅读，将ints用于文章和公司）：

结果应该如下所示：

company   diff_columns
1         ['col2', 'col3']
2         []
3         ['col3']

---

如何实现这一点？

您可以计算每列中的值。然后使用按布尔列表筛选列表

导入itertools
列_至_diff=['col1'，'col2'，'col3']
diff=df.groupby（'company'）.apply（lambda组：list（itertools.compress（columns\u to\u diff，[（len（group[col].value\u counts（））！=1）（对于columns\u to\u diff]））

---

不幸的是，这不适用于每家公司任意数量的文章。已编辑的问题，以澄清data@Geepy请看我的更新。len（…value_count（））的诀窍可以做到这一点，谢谢。

company   diff_columns
1         ['col2', 'col3']
2         []
3         ['col3']

print(diff.to_frame('diff_columns'))

         diff_columns
company              
1        [col2, col3]
2                  []
3              [col3]