如何用Python Pandas实现含字母数字列的行按序列重复展开？

问题描述 #

有如下结构的Pandas DataFrame，需根据to列的值，将每行按from到to的序列展开为多行：

data from to
   abc  1     3
   bcd  1     4
   klm  T1    T4
   GKN  R123  R125

期望输出：

data from to
abc  1     3
abc  2     3
abc  3     3
bcd  1     4
bcd  2     4
bcd  3     4
bcd  4     4
klm  T1    T4
klm  T2    T4
klm  T3    T4
klm  T4    T4
GKN  R123  R125
GKN  R124  R125
GKN  R125  R125

已实现纯数字列的处理代码：

df = df.loc[df.index.repeat(df['to'] - df['from'] + 1)]
df['from'] = df.groupby(level=0).cumcount() + df['from']
df = df.reset_index(drop=True)

但对带字符前缀的字母数字列（如T1/T4、R123/R125）处理存在困难，以下是解决方法：

解决方案 #

核心思路是拆分带前缀字符串的字符前缀与数字部分，对数字部分生成序列后再拼接前缀，兼容纯数字场景。

1. 拆分前缀与数字 #

通过正则表达式提取字符串中的前缀和数字：

import pandas as pd
import re

def split_prefix_num(s):
    # 匹配前缀+数字的格式
    match = re.match(r'([A-Za-z]+)(\d+)', str(s))
    if match:
        return match.group(1), int(match.group(2))
    # 纯数字返回空前缀和数字本身
    return '', int(s)

# 对from、to列拆分前缀和数字
df[['from_prefix', 'from_num']] = df['from'].apply(lambda x: pd.Series(split_prefix_num(x)))
df[['to_prefix', 'to_num']] = df['to'].apply(lambda x: pd.Series(split_prefix_num(x)))

2. 展开行 #

利用数字部分计算每行需要重复的次数，按索引重复行：

df_expanded = df.loc[df.index.repeat(df['to_num'] - df['from_num'] + 1)]

3. 生成新的from列值 #

分组后生成递增的数字序列，再与前缀拼接得到新的from值：

# 生成递增数字序列
df_expanded['new_from_num'] = df_expanded.groupby(level=0).cumcount() + df_expanded['from_num']
# 拼接前缀与数字
df_expanded['from'] = df_expanded['from_prefix'] + df_expanded['new_from_num'].astype(str)

4. 整理结果 #

删除辅助列并重置索引：

result = df_expanded[['data', 'from', 'to']].reset_index(drop=True)

完整可运行代码 #

import pandas as pd
import re

def split_prefix_num(s):
    match = re.match(r'([A-Za-z]+)(\d+)', str(s))
    if match:
        return match.group(1), int(match.group(2))
    return '', int(s)

# 构造示例DataFrame
df = pd.DataFrame({
    'data': ['abc', 'bcd', 'klm', 'GKN'],
    'from': ['1', '1', 'T1', 'R123'],
    'to': ['3', '4', 'T4', 'R125']
})

# 拆分前缀与数字
df[['from_prefix', 'from_num']] = df['from'].apply(lambda x: pd.Series(split_prefix_num(x)))
df[['to_prefix', 'to_num']] = df['to'].apply(lambda x: pd.Series(split_prefix_num(x)))

# 展开行
df_expanded = df.loc[df.index.repeat(df['to_num'] - df['from_num'] + 1)]

# 生成新from列
df_expanded['new_from_num'] = df_expanded.groupby(level=0).cumcount() + df_expanded['from_num']
df_expanded['from'] = df_expanded['from_prefix'] + df_expanded['new_from_num'].astype(str)

# 整理结果
result = df_expanded[['data', 'from', 'to']].reset_index(drop=True)
print(result)

运行上述代码即可得到符合要求的输出，同时兼容纯数字和带前缀的字母数字两种场景。

内容的提问来源于stack exchange，提问作者Krispy