Python pandas如何重复追加DataFrame并替换指定列值生成目标表

该需求完全可以在Python中实现，借助pandas库即可快速完成全部处理，不需要复杂的自定义逻辑。

• 提取原始DataFrame1中database列的所有唯一取值，保留值在原数据中的出现顺序
• 按照唯一值的数量复制对应份数的DataFrame2，每份副本的database列值替换为对应的唯一取值
• 将原始DataFrame1与所有处理完成的DataFrame2副本按顺序纵向拼接，重置索引后即可得到目标DataFrame3

首先确保环境中已安装pandas，导入库后执行以下代码即可：

import pandas as pd

# 提取df1中database列的唯一值
unique_db_list = df1["database"].unique()

# 批量生成替换了database值的df2副本
processed_df2_list = []
for db_val in unique_db_list:
    current_copy = df2.copy()
    current_copy["database"] = db_val
    processed_df2_list.append(current_copy)

# 拼接得到最终结果
df3 = pd.concat([df1, *processed_df2_list], ignore_index=True)

如果DataFrame1中database的唯一值为ei1、ei2，最终输出的df3将完全符合预期：

• 第一部分为原始DataFrame1的全部记录
• 第二部分为database值替换为ei1的完整DataFrame2记录
• 第三部分为database值替换为ei2的完整DataFrame2记录
• 拼接后的数据集列结构与原始数据集完全一致，不会出现字段错位、数据丢失问题

内容的提问来源于stack exchange，提问作者angelicamen26