如何用更Pythonic的方式复制Pandas数据行并追加ID后缀

需要复制Pandas DataFrame中的每一行，在id列末尾添加指定字符串（如_dup1、_dup2），同时保持其他列数据不变。

初始数据：

import pandas as pd
I_have = pd.DataFrame({'id':['a','b','c'], 'my_data':[1,2,3]})

期望输出：

id     my_data
a      1
a_dup1 1
a_dup2 1
b      2
b_dup1 2
b_dup2 2
c      3
c_dup1 3
c_dup2 3

现有可行代码通过多次复制拼接实现，但希望找到更Pythonic的方案：

tmp1 = I_have.copy(deep=True)
tmp2 = I_have.copy(deep=True)

tmp1['id'] = tmp1['id']+'_dup1'
tmp2['id'] = tmp2['id']+'_dup2'

pd.concat([I_have, tmp1, tmp2])

方案1：列表推导式 + concat + assign #

这是最简洁且易扩展的写法，直接通过列表推导式生成所有后缀对应的DataFrame，再一次性拼接：

import pandas as pd

I_have = pd.DataFrame({'id':['a','b','c'], 'my_data':[1,2,3]})
suffixes = ['', '_dup1', '_dup2']

result = pd.concat(
    [I_have.assign(id=I_have['id'] + suffix) for suffix in suffixes],
    ignore_index=True
)

优势：

• 代码紧凑，避免重复的变量定义
• 扩展性极强：新增后缀（如_dup3）只需在suffixes列表中添加元素，无需修改其他代码
• 完全利用Pandas的向量化操作，效率高于循环类方法

方案2：交叉合并（merge cross） #

通过生成后缀辅助表，和原数据交叉合并后拼接id，适合需要明确生成所有组合的场景：

import pandas as pd

I_have = pd.DataFrame({'id':['a','b','c'], 'my_data':[1,2,3]})
suffixes = ['', '_dup1', '_dup2']

# 生成后缀辅助DataFrame
suffix_df = pd.DataFrame({'suffix': suffixes})
# 交叉合并得到所有行+后缀的组合
merged = I_have.merge(suffix_df, how='cross')
# 拼接id和后缀，移除临时列
merged['id'] = merged['id'] + merged['suffix']
result = merged.drop('suffix', axis=1).sort_values('id').reset_index(drop=True)

优势：

• 逻辑清晰，直观展示行与后缀的组合关系
• 同样支持灵活扩展后缀列表

方案3：重复行 + 分组添加后缀 #

利用repeat重复行后，通过分组累计计数匹配后缀：

import pandas as pd

I_have = pd.DataFrame({'id':['a','b','c'], 'my_data':[1,2,3]})
suffix_map = {0:'', 1:'_dup1', 2:'_dup2'}

# 每个行重复对应次数
repeated_df = I_have.loc[I_have.index.repeat(len(suffix_map))].reset_index(drop=True)
# 分组后根据累计计数匹配后缀
repeated_df['id'] = repeated_df['id'] + repeated_df.groupby('id').cumcount().map(suffix_map)

优势：

• 无需额外生成辅助表，直接在原数据基础上扩展

内容的提问来源于stack exchange，提问作者pinegulf