如何基于总值拆分生成多行CSV记录（Pandas实现问题）

需求说明 #

现有CSV文件（File A）包含User ID、Total Value、Multiple Value、Remaining Value四列，原始数据如下：

File A 原始数据 #

需要生成新CSV文件（File B），将每条原始记录拆分为Multiple Value行：其中前Multiple Value - 1行的Final Value为固定值（示例中为100.00，计算公式：(Total Value - Remaining Value)/(Multiple Value - 1)），最后一行取Remaining Value，目标数据如下：

File B 目标数据 #

解决方案 #

方法1：高效无循环实现（推荐） #

利用Pandas的repeat方法批量扩展行，避免循环，适合大数据量场景：

import pandas as pd

# 读取原始CSV
df = pd.read_csv('file_a.csv')

# 计算固定拆分值
df['fixed_value'] = (df['Total Value'] - df['Remaining Value']) / (df['Multiple Value'] - 1)

# 按Multiple Value扩展每行的重复次数
expanded_df = df.loc[df.index.repeat(df['Multiple Value'])].reset_index(drop=True)

# 标记每个用户组内的行序号
expanded_df['row_idx'] = expanded_df.groupby('User ID').cumcount() + 1

# 生成Final Value：前n-1行用固定值，最后一行用剩余值
expanded_df['Final Value'] = expanded_df.apply(
    lambda x: x['fixed_value'] if x['row_idx'] < x['Multiple Value'] else x['Remaining Value'],
    axis=1
)

# 整理结果并格式化小数位数
result_df = expanded_df[['User ID', 'Final Value']].round(2)

# 保存到目标CSV
result_df.to_csv('file_b.csv', index=False)

方法2：修正循环+concat实现 #

若坚持用循环，需确保每次拼接的是结构一致的DataFrame/字典，避免类型错误：

import pandas as pd

df = pd.read_csv('file_a.csv')
result_data = []

for _, row in df.iterrows():
    user_id = row['User ID']
    fixed_val = round((row['Total Value'] - row['Remaining Value']) / (row['Multiple Value'] - 1), 2)
    # 添加前n-1条固定值记录
    for _ in range(row['Multiple Value'] - 1):
        result_data.append({'User ID': user_id, 'Final Value': fixed_val})
    # 添加最后一条剩余值记录
    result_data.append({'User ID': user_id, 'Final Value': row['Remaining Value']})

# 转换为DataFrame并保存
result_df = pd.DataFrame(result_data)
result_df.to_csv('file_b.csv', index=False)

常见报错原因 #

• 循环中未初始化空列表/DataFrame，或拼接时混入非DataFrame类型数据
• 计算固定值时未处理Multiple Value=1的边界情况（需额外判断避免除数为0）
• 拼接时列名不匹配，导致concat执行失败

内容的提问来源于stack exchange，提问作者user600520