如何高效替换DataFrame中符合条件的列值为3个新列数据？

步骤1：构造示例数据 #

首先导入pandas并创建你提供的初始数据和对应表格：

import pandas as pd

# 初始DataFrame
df_initial = pd.DataFrame({
    'Ch': ['A', 'A', 'B', 'B'],
    'Time': ['1 min', '1 min', '2 min', '2 min']
})

# Ch=A对应的3列表格
df_A = pd.DataFrame({
    'A1': [1, 2, 1],
    'A2': [2, 3, 1],
    'A3': [3, 4, 2]
})

# Ch=B对应的3列表格
df_B = pd.DataFrame({
    'B1': [1, 1],
    'B2': [2, 1],
    'B3': [1, 1]
})

步骤2：统一列名 #

将A、B表格的列名替换为目标列名ColA、ColB、ColC，方便后续合并：

df_A_renamed = df_A.rename(columns={'A1': 'ColA', 'A2': 'ColB', 'A3': 'ColC'})
df_B_renamed = df_B.rename(columns={'B1': 'ColA', 'B2': 'ColB', 'B3': 'ColC'})

步骤3：重复表格数据 #

按照需求，将A、B表格各自重复两次：

# 重复A表格两次并重置索引
df_A_repeated = pd.concat([df_A_renamed] * 2, ignore_index=True)
# 重复B表格两次并重置索引
df_B_repeated = pd.concat([df_B_renamed] * 2, ignore_index=True)

步骤4：合并结果 #

将重复后的A、B表格合并，得到最终目标DataFrame：

result = pd.concat([df_A_repeated, df_B_repeated], ignore_index=True)

最终结果 #

运行后result的内容如下：

补充说明 #

如果你的需求是原DataFrame中每一行Ch=A对应展开为A表格的所有数据，再整体重复两次（比如原2行A对应2*3=6行，再重复两次得到12行A数据），可以用以下代码实现：

# 计算原DataFrame中Ch=A的行数
count_A = len(df_initial[df_initial['Ch'] == 'A'])
# 将A表格的每一行重复count_A次，得到展开后的A数据
df_A_expanded = df_A_renamed.loc[df_A_renamed.index.repeat(count_A)]
# 重复两次展开后的A数据
df_A_final = pd.concat([df_A_expanded] * 2, ignore_index=True)

# 同理处理Ch=B的情况
count_B = len(df_initial[df_initial['Ch'] == 'B'])
df_B_expanded = df_B_renamed.loc[df_B_renamed.index.repeat(count_B)]
df_B_final = pd.concat([df_B_expanded] * 2, ignore_index=True)

# 合并结果
result = pd.concat([df_A_final, df_B_final], ignore_index=True)

内容的提问来源于stack exchange，提问作者user21214736