基于Pandas实现DataFrame分组行扩展与行列映射需求求助

这是一个典型的映射展开需求，用Pandas的merge+explode组合就能高效搞定，完全不需要手动迭代，代码可直接运行验证：

1. 构建示例数据 #

首先先还原你给出的DF1和DF2：

import pandas as pd

# 构建DF1
df1 = pd.DataFrame({
    'A': ['x', 'x', 'x'],
    'B': [1, 2, 3]
})

# 构建DF2
df2 = pd.DataFrame({
    'Red': ['x', 'x', 'y', 'z'],
    'Blue': [10, 11, 12, 13],
    'Green': ['car', 'Bus', 'bike', 'cycle'],
    'Yellow': ['four', 'six', 'two', 'two']
})

2. 生成映射关系 #

从DF1中聚合出A列值对应的B列列表，这一步用groupby+agg完成，是矢量化操作：

# 生成A值到B列列表的映射表
mapping = df1.groupby('A')['B'].agg(list).reset_index()

得到的mapping如下：

3. 合并+展开得到DF3 #

将DF2和映射表做左连接，然后替换目标列并展开列表：

# 左连接DF2和映射表，关联键是DF2的Red列和映射表的A列
df3 = df2.merge(mapping, left_on='Red', right_on='A', how='left')

# 替换Red列：有映射的行用B列的列表，无映射的行保留原Red值
df3['Red'] = df3['B'].fillna(df3['Red'])

# 展开列表，把每个列表元素拆成单独行
df3 = df3.explode('Red').drop(columns=['A', 'B'])

# 可选：重置索引
df3 = df3.reset_index(drop=True)

最终结果 #

运行后得到的df3就是你想要的DF3：

优势说明 #

这个方案全程用Pandas内置的矢量化操作，没有任何循环迭代，效率很高。而且如果DF1里有多个不同的A值（比如除了x还有其他需要替换的），这个代码也能自动适配，不需要额外修改。

内容的提问来源于stack exchange，提问作者D83