Numpy/Pandas中每行后插入仅单列递减相似行的高效方法

问题原因 #

你原有代码的逻辑是先把所有原始行放在最前面，再把所有生成的递减行拼在末尾，自然无法实现新行跟在对应原行后方的要求，同时纯Python循环的执行效率远低于向量化操作。

Numpy 高效实现 #

核心思路是先按每行最后一列的数值确定重复次数，批量复制行后统一替换最后一列的递减值：

import numpy as np

A = np.array([[23, 43, 23, 110, 5],
              [83, 32, 12, 123, 4],
              [58, 41, 59, 189, 1],
              [93, 77, 22, 170, 3]])

# 计算每行需要生成的行数：从原值降到0共（原值+1）行
repeat_counts = A[:, 4] + 1
# 批量重复原行，得到结构正确的基础数组
result = np.repeat(A, repeat_counts, axis=0)
# 生成所有行最后一列的递减序列
last_col = np.concatenate([np.arange(val, -1, -1) for val in A[:, 4]])
# 替换最后一列
result[:, 4] = last_col

Pandas 简洁实现 #

用explode方法更简洁，适合原本就是DataFrame格式的业务场景：

import pandas as pd

df = pd.DataFrame(A)
# 为每行生成最后一列的递减值列表，再炸开为多行
df[4] = df[4].apply(lambda x: list(range(x, -1, -1)))
result_df = df.explode(4, ignore_index=True)
# 如需转numpy数组，调用result_df.to_numpy()即可

性能说明 #

两种方案底层均为C实现的向量化操作，避免了纯Python循环的高额开销，对于4000条原始数据的场景，执行时间均在毫秒级，完全满足业务效率要求。

内容的提问来源于stack exchange，提问作者Shaun Han