如何将DataFrame指定分组的行添加至其他分组并修改单列值

完全可以通过merge操作简便实现该需求，无需复杂的循环或分组拼接操作，核心逻辑是通过笛卡尔积合并生成待追加的Circle复制行，再和原数据拼接即可。

核心实现代码 #

首先构造测试用的输入DataFrame：

import pandas as pd

# 构造示例输入
data = {
    "Type": ["Circle", "Circle", "Circle", "Square", "Square", "Triangle", "Triangle"],
    "Color": ["Blue", "Green", "Black", "Red", "White", "Red", "White"],
    "Size": ["Large", "Small", "Large", "Large", "Small", "Large", "Small"],
    "Dimensions": ["2D", "3D", "2D", "2D", "3D", "2D", "3D"]
}
df = pd.DataFrame(data)

方案1：cross merge 写法（pandas 1.2.0及以上版本支持，最简洁） #

# 提取所有Circle行，删除Type字段后续替换
circle_df = df[df["Type"] == "Circle"].drop(columns="Type")
# 提取除Circle外的其他唯一Type值
other_type_df = pd.DataFrame({"Type": df["Type"].loc[df["Type"] != "Circle"].unique()})
# 笛卡尔积合并，生成所有要追加的行
append_df = other_type_df.merge(circle_df, how="cross")
# 拼接原始数据和追加行，按Type排序得到最终结果
result = pd.concat([df, append_df], ignore_index=True).sort_values(by="Type", ignore_index=True)

方案2：兼容低版本pandas的写法 #

circle_df = df[df["Type"] == "Circle"].drop(columns="Type")
other_types = df["Type"].loc[df["Type"] != "Circle"].unique()
# 用MultiIndex构造笛卡尔积关联关系
append_df = pd.MultiIndex.from_product(
    [other_types, circle_df.index], 
    names=["Type", "tmp_idx"]
).to_frame(index=False)
append_df = append_df.merge(circle_df, left_on="tmp_idx", right_index=True).drop(columns="tmp_idx")
result = pd.concat([df, append_df], ignore_index=True).sort_values(by="Type", ignore_index=True)

两种方案输出结果完全匹配预期输出，全程使用pandas向量化操作，数据量越大相比循环写法的性能优势越明显。

内容的提问来源于stack exchange，提问作者Laskii