如何通过循环扩展Pandas DataFrame？附数据转换示例

首先构造你的原始DataFrame：

import pandas as pd

df = pd.DataFrame({'A': ['f', 'g'], 'B': ['1', '2']})

要通过循环实现目标扩展，你可以按以下步骤操作：

• 初始化一个空列表，用来存储扩展后的每一行数据
• 遍历原始DataFrame的每一行，为每行生成两个新行（分别给B列追加a和b）
• 将收集到的所有行转换为新的DataFrame，并重置索引

具体代码如下：

# 初始化空列表存储扩展行
expanded_rows = []

# 遍历原始DataFrame的每一行
for _, row in df.iterrows():
    # 生成带'a'的行
    row_a = row.copy()
    row_a['B'] = f"{row_a['B']}a"
    expanded_rows.append(row_a)
    
    # 生成带'b'的行
    row_b = row.copy()
    row_b['B'] = f"{row_b['B']}b"
    expanded_rows.append(row_b)

# 转换为新DataFrame并重置索引
expanded_df = pd.DataFrame(expanded_rows).reset_index(drop=True)
print(expanded_df)

运行后会输出你需要的结果：

A   B
0  f  1a
1  f  1b
2  g  2a
3  g  2b

注：虽然Pandas更推荐使用向量化操作（比如explode或者merge）来提升效率，但如果明确要求用循环实现，上述方法完全满足需求。

内容的提问来源于stack exchange，提问作者van dam