如何用Python嵌套循环生成指定顺序的DataFrame？

你原来的循环逻辑顺序错了，外层遍历F会导致每个F元素后跟着所有P+A的组合，完全不符合你要的一一对应关系。下面给你两种可行的解决方案：

方法一：调整循环逻辑 #

正确的思路是先遍历每个P元素，每个P下再遍历A的3个元素，同时按顺序取F中对应的元素，每次把一组(F, P, A)添加到列表中：

import pandas as pd

# 示例数据，替换成你的真实列表
F = [f"F{i}" for i in range(9)]
P = [f"P{i}" for i in range(3)]
A = [f"A{i}" for i in range(3)]

df_test3 = []
f_idx = 0
# 遍历每个P元素
for p_val in P:
    # 每个P对应3个A元素
    for a_val in A:
        # 取当前对应的F元素，组成一组添加
        df_test3.append([F[f_idx], p_val, a_val])
        f_idx += 1

# 转换为DataFrame
result_df = pd.DataFrame(df_test3, columns=["F", "P", "A"])
print(result_df)

方法二：直接构造DataFrame（更高效） #

不用写循环，利用numpy的重复/平铺函数直接生成对应列，再创建DataFrame，代码更简洁高效：

import pandas as pd
import numpy as np

# 示例数据，替换成你的真实列表
F = [f"F{i}" for i in range(9)]
P = [f"P{i}" for i in range(3)]
A = [f"A{i}" for i in range(3)]

result_df = pd.DataFrame({
    "F": F,
    # 每个P元素重复3次
    "P": np.repeat(P, 3),
    # A列表整体重复3次
    "A": np.tile(A, 3)
})
print(result_df)

两种方法都会生成你需要的表格结构，第二种方法更适合处理大规模数据，避免手动循环的冗余。

内容的提问来源于stack exchange，提问作者Laura