Python Pandas如何根据retweet_count列值重复对应tweet行数据

你现有代码中不需要将retweet_count转为字符串，我们需要保留它的整数属性来计算每行的重复次数。

pandas内置的repeat方法可以直接实现按指定次数重复行的需求，你只需要给该方法传入每行对应的重复次数（即retweet_count + 1）即可，之后过滤保留需要的created_at和tweet两列就符合输出要求。

完整可运行代码如下：

import pandas as pd

def iterateTweets():
    # 读取csv文件
    tweets = pd.read_csv(r'data_set_tweets.csv')
    df = pd.DataFrame(tweets, columns=['created_at', 'tweet', 'retweet_count'])
    # 类型处理，注意保留retweet_count的整数类型
    df['created_at'] = pd.to_datetime(df['created_at'])
    df['tweet'] = df['tweet'].astype(str)
    
    # 按retweet_count+1的次数重复行，reset_index用于重置连续的行索引
    result_df = df.repeat(df['retweet_count'] + 1).reset_index(drop=True)
    # 仅保留需要的两列数据
    result_df = result_df[['created_at', 'tweet']]
    
    return result_df

if __name__ == '__main__':
    res = iterateTweets()
    # 如果需要导出为csv文件可以取消注释下行代码
    # res.to_csv('output_result.csv', index=False)
    print(res)

如果需要输出的created_at和原数据格式完全一致，不需要转成datetime类型，删除df['created_at'] = pd.to_datetime(df['created_at'])这行即可。

内容的提问来源于stack exchange，提问作者Nick_Code