如何基于参考pandas DataFrame创建新数据框并按规则填充SOV列值

需求说明 #

现有存储为df的pandas DataFrame，原始数据结构如下：

需要修改原DataFrame或生成新DataFrame，将df['SOV']列展开为覆盖1-80所有整数的序列，目标效果如下：

填充规则：

• SOV=5对应的行值，反向填充SOV为1-5的所有行
• SOV=10对应的行值，反向填充SOV为6-10的所有行
• 后续所有长度为5的连续区间，均按上述规则用区间右端点对应的行值填充整个区间

实现代码 #

import pandas as pd
import numpy as np

# 生成1-80全量SOV值的基础表
full_df = pd.DataFrame({'SOV': range(1, 81)})

# 计算每个SOV所属区间对应的填充参考值（区间右端点，即向上取最近的5的倍数）
full_df['ref_sov'] = (np.ceil(full_df['SOV'] / 5) * 5).astype(int)

# 关联原表取对应区间的填充值，自动完成全区间填充
result = full_df.merge(
    df, 
    left_on='ref_sov', 
    right_on='SOV', 
    suffixes=('', '_ref')
)
# 保留目标列：展开后的SOV列 + 原df除SOV外的所有业务列
result = result[['SOV'] + [col for col in df.columns if col != 'SOV']]

逻辑说明 #

• 用np.ceil做区间映射：1-5的所有数统一映射到参考值5，6-10统一映射到参考值10，一直到76-80映射到80，完全匹配区间划分规则
• merge操作会自动把原df中每个参考SOV对应的整行数据，匹配给同区间的所有SOV行，不需要逐行循环，执行效率高
• 最终输出的result就是符合要求的新DataFrame，如果需要覆盖原变量，直接执行df = result即可

内容的提问来源于stack exchange，提问作者Abhay