基于Pandas的DataFrame时长拆分规则处理需求

现有如下Pandas DataFrame：

import pandas as pd
df = pd.DataFrame()
df['number'] = (651,651,651,4267,4267,4267,4267,4267,4267,4267,8806,8806,8806,6841,6841,6841,6841)
df['name']=('Alex','Alex','Alex','Ankit','Ankit','Ankit','Ankit','Ankit','Ankit','Ankit','Abhishek','Abhishek','Abhishek','Blake','Blake','Blake','Blake')
df['hours']=(8.25,7.5,7.5,7.5,14,12,15,11,6.5,14,15,15,13.5,8,8,8,8)
df['loc']=('Nar','SCC','RSL','UNIT-C','UNIT-C','UNIT-C','UNIT-C','UNIT-C','UNIT-C','UNIT-C','UNI','UNI','UNI','UNKING','UNKING','UNKING','UNKING')

需要按以下规则拆分每行数据：

• 若hours在10到12之间（含边界）：
  • 当前行hours改为10
  • 新增一行和当前行其他数据完全相同的记录，hours填原时长减10的剩余值
• 若hours大于12：
  • 当前行hours改为10
  • 新增一行hours=2的同数据记录
  • 再新增一行hours填原时长减12剩余值的同数据记录
• hours小于10的行直接保留原样

import pandas as pd

# 初始化原始DataFrame
df = pd.DataFrame()
df['number'] = (651,651,651,4267,4267,4267,4267,4267,4267,4267,8806,8806,8806,6841,6841,6841,6841)
df['name']=('Alex','Alex','Alex','Ankit','Ankit','Ankit','Ankit','Ankit','Ankit','Ankit','Abhishek','Abhishek','Abhishek','Blake','Blake','Blake','Blake')
df['hours']=(8.25,7.5,7.5,7.5,14,12,15,11,6.5,14,15,15,13.5,8,8,8,8)
df['loc']=('Nar','SCC','RSL','UNIT-C','UNIT-C','UNIT-C','UNIT-C','UNIT-C','UNIT-C','UNIT-C','UNI','UNI','UNI','UNKING','UNKING','UNKING','UNKING')

# 用来存拆分后的所有行数据
split_rows = []

# 逐行处理原始数据
for _, row in df.iterrows():
    current_hours = row['hours']
    # 提取除hours外的其他数据，作为拆分后新行的基础
    base_data = row.drop('hours').to_dict()
    
    if 10 <= current_hours <= 12:
        # 第一条：hours设为10
        split_rows.append({**base_data, 'hours': 10})
        # 第二条：剩余时长
        split_rows.append({**base_data, 'hours': current_hours - 10})
    elif current_hours > 12:
        # 第一条：hours=10
        split_rows.append({**base_data, 'hours': 10})
        # 第二条：hours=2
        split_rows.append({**base_data, 'hours': 2})
        # 第三条：剩余时长（原时长-12）
        split_rows.append({**base_data, 'hours': current_hours - 12})
    else:
        # 时长小于10，直接保留原行
        split_rows.append(row.to_dict())

# 把拆分后的列表转成DataFrame，重置索引
final_df = pd.DataFrame(split_rows).reset_index(drop=True)
print(final_df)

1. 遍历处理：循环原始DataFrame的每一行，先拿到当前行的hours值，以及除hours外的其他字段数据；
2. 分支处理：根据hours的范围，生成对应数量的拆分记录，把基础数据和新的hours值组合成新行；
3. 重组数据：把所有拆分后的行收集到列表里，再转成新的DataFrame，重置索引保证序号连续。

内容的提问来源于stack exchange，提问作者ds882