你可以使用iterrows和numpy.interst1d：

import numpy as np

for index, row in df.iterrows():
    intersect = np.intersect1d(row.col1, row.col2)
    if len(intersect) > 0:
        first = np.min(intersect)
    else:
        first = None
    df.at[index, "col"] = first

使用numpy.intersect1d例程：

res = df.apply(lambda x: np.intersect1d(x['col1'], x['col2'],
                                        return_indices=False)[0], axis=1)\
      .to_frame('result')

result
0       2
1       3

您可以使用apply并定义一个function，它返回两个列表中的第一个公共项：

def first_common(x):
    for i in x['col1']:
        if i in x['col2']:
            return i

expected_df = df.apply(first_common, axis=1) # axis=1 applies function by rows
expected_df = expected_df.to_frame('results') # Make series to dataframe

expected_df现在是：

results
0        2
1        3

如果您想将结果添加回原始 Dataframe ，可以执行以下操作：

df['common'] = expected_df

df现在是：

col1       col2  common
0  [1, 2, 3, 5]  [2, 3, 4]       2
1     [3, 4, 5]     [3, 5]       3

你需要在这里使用一个循环。一个带有列表解析的选项，以及一个set作为生成器表达式中的引用，其中next：

out = pd.DataFrame([next((x for x in a if x in b), None)
                    for a, b in zip(df['col1'],
                                    df['col2'].apply(set))
                    ], columns=['result'], index=df.index)

输出：

result
0       2
1       3

作为新列

df['common'] = [next((x for x in a if x in b), None)
                for a, b in zip(df['col1'],
                              df['col2'].apply(set))]

输出：

col1       col2  common
0  [1, 2, 3, 5]  [2, 3, 4]       2
1     [3, 4, 5]     [3, 5]       3

建议解决方案的时间