Pandas将组级DataFrame转为个人级并设置登顶标识列的问题

现有一个Pandas DataFrame，每行代表一支登山队伍，包含Attempted（队伍规模）和Succeeded（登顶成功人数）列：

d = {'Attempted': [11, 12, 2, 5], 'Succeeded': [0, 6, 2, 3]}
df = pd.DataFrame(data=d)
df

需要将该DataFrame转换为每行代表单个登山者的形式，并新增一列Summit表示该登山者是否登顶（1表示登顶，0表示未登顶）。具体要求是：针对每支队伍，根据Attempted的数值复制对应行数，其中Succeeded数量的行设为1，剩余（Attempted - Succeeded）数量的行设为0。例如第二行队伍，12条新行中6条Summit为0，6条为1。

目前已实现行复制并将新增列设为1，但不知道如何根据未登顶人数将部分1替换为0：

df_new = df.loc[df.index.repeat(df["Attempted"])].assign(ind_summit =  1).reset_index(drop = True)

可以通过分组标记的方式实现需求，以下是两种简洁的实现方式：

方法一：直接生成对应数量的0和1 #

先扩展行并保留原队伍的索引，再按原索引分组生成Summit列：

import pandas as pd

d = {'Attempted': [11, 12, 2, 5], 'Succeeded': [0, 6, 2, 3]}
df = pd.DataFrame(data=d)

# 扩展行并保留原队伍的索引
df_expanded = df.loc[df.index.repeat(df["Attempted"])].reset_index(level=0)

# 分组生成0和1的序列：先填未登顶的0，再填登顶的1
df_expanded['Summit'] = df_expanded.groupby('index').apply(
    lambda x: [0]*(x['Attempted'].iloc[0] - x['Succeeded'].iloc[0]) + [1]*x['Succeeded'].iloc[0]
).explode().astype(int)

# 清理临时列并重置索引
df_final = df_expanded.drop('index', axis=1).reset_index(drop=True)

方法二：利用分组累计计数判断 #

通过组内累计计数，判断当前行是否属于登顶人群：

import pandas as pd

d = {'Attempted': [11, 12, 2, 5], 'Succeeded': [0, 6, 2, 3]}
df = pd.DataFrame(data=d)

# 扩展行并保留原队伍索引
df_new = df.loc[df.index.repeat(df["Attempted"])].reset_index(level=0)

# 组内从0开始计数，当计数≥未登顶人数时标记为1
df_new['Summit'] = df_new.groupby('index').cumcount() >= (df_new['Attempted'] - df_new['Succeeded'])
df_new['Summit'] = df_new['Summit'].astype(int)

# 清理临时列并重置索引
df_final = df_new.drop('index', axis=1).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者set_user123