基于条件在Pandas DataFrame中复制行并修改指定列的值

我有一个包含多列的Pandas dataframe，为简化示例，假设格式如下：

Item        Interval    Specs
Chocolate      0        0.001
Chocolate      3        0.002
Chocolate      5        0.007
Milk           0        0.004
Milk           2        0.008
....

我需要实现的需求是：针对原dataframe中Interval值为0的每一行，复制该行并仅修改Interval字段的取值为对应Item下除0以外的其他Interval值，Specs字段保持原值不变。例如原数据中Item为Chocolate的记录对应Interval值有0、3、5三个，我需要复制Interval为0的行2次，分别将Interval修改为3和5，生成2条新记录；同理Item为Milk的记录需要复制1次Interval为0的行，将Interval修改为2（需生成的重复行数直接取决于每个Item对应的唯一Interval值数量）。

预期输出的dataframe如下：

Item        Interval    Specs
Chocolate      0        0.001
Chocolate      3        0.002
Chocolate      5        0.007
Chocolate      3        0.001   --新增重复行，Interval值已修改
Chocolate      5        0.001   --新增重复行，Interval值已修改
Milk           0        0.004 
Milk           2        0.008   
Milk           2        0.004   --新增重复行，Interval值已修改

基础循环写法（易理解，适合小数据量） #

import pandas as pd

# 构造示例数据，替换为你自己的DataFrame即可
df = pd.DataFrame({
    'Item': ['Chocolate', 'Chocolate', 'Chocolate', 'Milk', 'Milk'],
    'Interval': [0, 3, 5, 0, 2],
    'Specs': [0.001, 0.002, 0.007, 0.004, 0.008]
})

# 1. 统计每个Item对应的所有非0Interval值
item_non_zero_intervals = df[df['Interval'] != 0].groupby('Item')['Interval'].unique().to_dict()

# 2. 筛选所有Interval=0的行，批量生成新行
zero_rows = df[df['Interval'] == 0]
new_rows = []
for _, row in zero_rows.iterrows():
    cur_item = row['Item']
    for target_interval in item_non_zero_intervals.get(cur_item, []):
        new_row = row.copy()
        new_row['Interval'] = target_interval
        new_rows.append(new_row)

# 3. 拼接原数据和新生成的行
result = pd.concat([df, pd.DataFrame(new_rows)], ignore_index=True)
print(result)

向量化写法（性能更高，适合大数据量） #

用Pandas原生的explode方法避免循环，处理十万级以上数据效率提升明显：

# 1. 生成每个Item对应的非0Interval列表
non_zero_map = df[df['Interval'] != 0].groupby('Item')['Interval'].unique().reset_index(name='target_interval')
# 2. 关联0值行，炸开列表得到所有新增行
new_rows = df[df['Interval'] == 0].merge(non_zero_map, on='Item')\
            .explode('target_interval')\
            .drop('Interval', axis=1)\
            .rename(columns={'target_interval': 'Interval'})
# 3. 拼接得到最终结果
result = pd.concat([df, new_rows], ignore_index=True)

内容的提问来源于stack exchange，提问作者JChat