按ID重复DataFrame行 逐年更新year和age直至满足指定条件

我找不到该问题的解决方案，不清楚最优实现方式。现有如下测试DataFrame：

需求为：按ID重复每行数据，year和age逐年加1，直至满足以下任一条件：

year == 2018 or year == death

最终生成的DataFrame如下：

恳请各位提供实现建议。

用Pandas可以高效完成需求，以下是具体步骤：

1. 预处理数据 #

先把death列的空值替换为2018，统一终止条件，减少分支判断：

import pandas as pd

# 构建测试DataFrame
df = pd.DataFrame({
    'ID': [1, 2, 3],
    'year': [1999, 1984, 2012],
    'age': [18, 25, 24],
    'death': [2015, pd.NA, pd.NA]
})

# 将空死亡年份替换为2018，统一终止逻辑
df['death'] = df['death'].fillna(2018)

2. 展开每行数据 #

定义函数处理单行数据，生成从起始年份到终止年份的序列，同时计算对应年龄：

def expand_row(row):
    start_year = row['year']
    # 取死亡年份和2018的最小值作为终止年份
    end_year = min(row['death'], 2018)
    # 生成年份序列
    year_range = range(start_year, end_year + 1)
    # 计算对应年龄：起始年龄 + 年份差
    age_list = [row['age'] + (y - start_year) for y in year_range]
    # 还原空值：如果原死亡年份是填充的2018，换回pd.NA
    death_val = row['death'] if row['death'] != 2018 else pd.NA
    # 返回单行展开后的DataFrame
    return pd.DataFrame({
        'ID': [row['ID']] * len(year_range),
        'year': year_range,
        'age': age_list,
        'death': [death_val] * len(year_range)
    })

# 遍历每行并合并结果
final_df = pd.concat([expand_row(row) for _, row in df.iterrows()], ignore_index=True)

3. 结果说明 #

运行后final_df的结构和数据完全匹配你给出的示例。这种实现方式逻辑清晰，利用Pandas的向量化操作和列表推导式保证效率，同时通过预处理统一终止条件，避免复杂的分支判断。

内容的提问来源于stack exchange，提问作者Bobby Zhao Sheng Lo