如何按规则将多列表数据循环填充至空DataFrame？

现有三个数据列表：

dates = [1,2,3]  # 周数
stores = [101,102,103]  # 门店编号
items = [12344,4544]  # 商品编号

还有一个空的DataFrame，列名是date、stores、items，需要按下面的规则填充，最终得到date/stores/item组合完全唯一的结果（实际场景里三个列表可能有几千个元素，必须基于列表长度动态实现，不能写死具体数值）：

• 每个周数要重复 len(stores)*len(items) 次（示例里就是3*2=6次）
• 每个门店编号对应同一个周数时，要重复 len(items) 次（示例里是2次）
• 商品编号按原始顺序依次和前两者组合

你之前尝试用循环实现但没成功，试的代码是：

a=["A","B","C"]
b=[155,155,155]
x = []
for i in range(len(a)):
    x += [a[i]]*b[i]
print(x)

x = []
for i in range(len(date)):
    x += [date[i]]*b[i]
df['date'] = x

方法1：用itertools.product生成笛卡尔积 #

这是最省心高效的方式——你要的本质就是三个列表的所有唯一组合，正好对应笛卡尔积的结果，不用手动算重复次数，代码简洁还能处理大数据量：

import pandas as pd
from itertools import product

dates = [1,2,3]
stores = [101,102,103]
items = [12344,4544]

# 生成所有不重复的组合
all_combinations = list(product(dates, stores, items))

# 转成DataFrame
df = pd.DataFrame(all_combinations, columns=['date', 'stores', 'items'])

对应规则验证：

• 每个周数对应3*2=6条记录，符合规则1
• 每个门店对应同一个周数有2条记录，符合规则2
• 商品按原始顺序和每个周、门店配对，符合规则3

方法2：手动构造每一列（完全按规则逻辑） #

如果不想用itertools，也可以按规则手动构造每一列，所有重复次数都基于列表长度动态计算：

import pandas as pd

dates = [1,2,3]
stores = [101,102,103]
items = [12344,4544]

# 先算各列表的长度，用来动态计算重复次数
store_count = len(stores)
item_count = len(items)
total_per_date = store_count * item_count

# 构造date列：每个日期重复total_per_date次
date_column = [d for d in dates for _ in range(total_per_date)]
# 构造stores列：每个门店重复item_count次，整个门店列表重复len(dates)次
stores_column = [s for _ in dates for s in stores for _ in range(item_count)]
# 构造items列：整个商品列表重复len(dates)*store_count次
items_column = items * (len(dates)*store_count)

# 组装成DataFrame
df = pd.DataFrame({
    'date': date_column,
    'stores': stores_column,
    'items': items_column
})

为啥你之前的循环没成功？ #

你之前的代码里用了固定的b=[155,155,155]，但实际需要的重复次数应该是动态计算的（比如每个日期要重复len(stores)*len(items)次），而且只处理了date列，没覆盖门店和商品的构造逻辑——上面的方法2就是把你的思路补全，改成了动态计算的版本。

内容的提问来源于stack exchange，提问作者Павел