基于列值扩展Pandas DataFrame行的Python实现需求

初始数据 #

目标效果 #

需要将每个item对应的行，按照index_end的数值扩展为从1到该数值的多行，并新增index列记录分区内的连续索引，最终结果如下：

Pandas解决方案 #

方法1：apply生成序列 + explode展开 #

先为每行生成从1到index_end的列表，再用explode将列表拆分为多行：

import pandas as pd

# 构造初始DataFrame
df = pd.DataFrame({'item': ['A', 'B', 'C'], 'index_end': [3, 4, 1]})

# 为每行生成index序列，再展开
df['index'] = df['index_end'].apply(lambda x: list(range(1, x+1)))
df = df.explode('index', ignore_index=True)

方法2：repeat重复行 + groupby生成索引 #

先按index_end的值重复对应行，再分组生成连续索引：

import pandas as pd

df = pd.DataFrame({'item': ['A', 'B', 'C'], 'index_end': [3, 4, 1]})

# 按index_end重复每行
df_expanded = df.loc[df.index.repeat(df['index_end'])]

# 分组后生成从1开始的连续索引
df_expanded['index'] = df_expanded.groupby(level=0).cumcount() + 1
df_expanded = df_expanded.reset_index(drop=True)

方法3：构造多级索引转换 #

通过构建item和index的多级索引，再转换为目标DataFrame：

import pandas as pd

df = pd.DataFrame({'item': ['A', 'B', 'C'], 'index_end': [3, 4, 1]})

# 生成所有(item, index)的元组对
index_tuples = []
for _, row in df.iterrows():
    index_tuples.extend([(row['item'], idx) for idx in range(1, row['index_end'] + 1)])

# 转换为多级索引并生成DataFrame
multi_idx = pd.MultiIndex.from_tuples(index_tuples, names=['item', 'index'])
df_result = pd.DataFrame(index=multi_idx).reset_index()

# 合并原数据的index_end列
df_result = df_result.merge(df, on='item')

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