如何基于指定列表扩展/复制Pandas DataFrame行？

现有如下结构的DataFrame：

col1 col2 col3
 ---  ---  ---
 a1   b1   c1       
 a2   b2   c2      
 a3   b3   c3              

以及列表 my_list = ['v1', 'v2', 'v3', 'v4']，希望生成每行与列表元素逐一组合、新增col4的扩展后DataFrame：

col1 col2 col3 col4
     ---  ---  ---  ---
     a1   b1   c1   v1   
     a1   b1   c1   v2  
     a1   b1   c1   v3  
     a1   b1   c1   v4   
     a2   b2   c2   v1    
     a2   b2   c2   v2   
     a2   b2   c2   v3   
     a2   b2   c2   v4  
     a3   b3   c3   v1 
     a3   b3   c3   v2 
     a3   b3   c3   v3 
     a3   b3   c3   v4

目前尝试用.melt函数实现，想知道有没有更优的解决思路。

.melt其实不适合这个场景——它主要用来把宽表转成长表，而这里需要的是原DataFrame每行和列表元素做笛卡尔积，推荐两种更直接高效的方法：

方法1：用merge构造笛卡尔积 #

先把列表转成单独的DataFrame，再和原表做无关联条件的合并：

import pandas as pd

# 原DataFrame
df = pd.DataFrame({'col1': ['a1', 'a2', 'a3'], 'col2': ['b1', 'b2', 'b3'], 'col3': ['c1', 'c2', 'c3']})
my_list = ['v1', 'v2', 'v3', 'v4']

# 列表转成单列DataFrame
df_list = pd.DataFrame({'col4': my_list})

# 笛卡尔积合并（Pandas 1.2.0+支持how='cross'）
result = df.merge(df_list, how='cross')

如果你的Pandas版本低于1.2.0，换这种写法：

result = df.assign(key=1).merge(df_list.assign(key=1), on='key').drop('key', axis=1)

逻辑直观，处理大数据量时效率也不错。

方法2：assign+explode快速实现 #

给原表新增一列，每一行的值都是整个列表，再用explode把列表拆成多行：

result = df.assign(col4=[my_list]*len(df)).explode('col4')

代码更简洁，适合小数据量场景，几步就能完成需求。

为啥不推荐用.melt？ #

用.melt的话得先给原表手动加v1、v2、v3、v4这几列，再转长，步骤繁琐还容易出错：

# 不推荐的melt写法
df_melt = df.assign(v1='v1', v2='v2', v3='v3', v4='v4').melt(id_vars=['col1','col2','col3'], value_name='col4').drop('variable', axis=1)

对比下来，前面两种方法不管是代码简洁度还是效率都更优。

内容的提问来源于stack exchange，提问作者hjsg1010