如何在Pandas中按组循环重复行模式n次并生成日序列？

问题背景 #

给定如下Pandas DataFrame：

import pandas as pd

df = [[1, 'a1 - d1'], 
      [1, 'b1 - c1'], 
      [1, 'd1 - c1'], 
      [1, 'a1 - b1'], 
      [1, 'b1 - d1'], 
      [1, 'c1 - a1'], 
      [2, 'y1 - z1'],
      [2, 'x1 - y1'],
      [2, 'z1 - x1']]
df = pd.DataFrame(df, columns=['group_id', 'combinations'])

对应的表格结构：

需求：

• 连续n天（示例n=30），每天为每个group_id分配一个组合
• 组合按组内原有顺序循环使用，无论组内组合数多于或少于n
• 最终生成包含天数、group_id、对应组合的结果表

原实现采用分组循环拼接的方式，效率较低，寻求更高效的替代方案。

高效实现方法 #

方法一：利用groupby + repeat + head #

通过Pandas分组后的矢量化操作，避免显式循环：

n = 30

# 分组处理：计算每个组的重复次数，重复后截取前n行
result = (df.groupby('group_id', group_keys=False)
          .apply(lambda g: g.loc[g.index.repeat((n + len(g) - 1) // len(g))].head(n)))

# 为每个组添加连续天数编号
result['day'] = result.groupby('group_id').cumcount() + 1

# 调整列顺序并重置索引
result = result[['day', 'group_id', 'combinations']].reset_index(drop=True)

方法二：基于numpy.tile生成索引（性能更优） #

利用numpy的tile函数生成重复索引，直接提取目标行，性能优于apply操作：

import numpy as np

n = 30

# 按group_id分组，存储每个组的行索引和长度
groups = df.groupby('group_id')
group_indices = {g: idx.values for g, idx in groups.groups.items()}
group_sizes = {g: len(idx) for g, idx in groups.groups.items()}

# 生成每个组需要的重复索引，截取前n个
all_indices = []
for g in group_indices:
    repeats = (n + group_sizes[g] - 1) // group_sizes[g]
    indices = np.tile(group_indices[g], repeats)[:n]
    all_indices.extend(indices)

# 提取目标行并添加天数列
result = df.loc[all_indices].copy()
result['day'] = np.repeat(np.arange(1, n+1), len(group_indices))

# 调整列顺序并重置索引
result = result[['day', 'group_id', 'combinations']].reset_index(drop=True)

核心逻辑说明 #

• 两种方法均避免了显式循环，利用Pandas/numpy的矢量化操作提升效率，数据量越大优势越明显
• 通过(n + 组大小 - 1) // 组大小计算每个组的重复次数，等价于向上取整ceil(n/组大小)，确保能覆盖n天的需求后再截取前n行
• 天数列通过cumcount或np.repeat生成，保证每个组内天数从1到n连续编号

内容的提问来源于stack exchange，提问作者n3a5p7s9t1e3r