You need to enable JavaScript to run this app. Python Pandas DataFrame 按quantity扩展行并生成连续对应ID实现方法
优惠活动
大模型
产品
解决方案
定价
更多

Python Pandas DataFrame 按quantity扩展行并生成连续对应ID实现方法

Pandas 按指定值展开生成组内递增ID的实现代码

针对包含name、quantity两列的DataFrame展开需求,提供两种适配不同数据规模的可直接运行的实现方案:

前置测试数据

先构造和示例结构完全一致的原始DataFrame:

import pandas as pd

# 原始输入数据
df = pd.DataFrame({
    'name': ['a', 'e', 'g'],
    'quantity': [5, 4, 7]
})

方案1:explode展开法(逻辑直观,适合小数据量快速实现)

核心实现路径是先为每一行生成从1到quantity的连续id列表,再将列表列炸开为独立行,最后清理多余字段:

# 逐行生成对应长度的id序列
df['id'] = df.apply(lambda row: list(range(1, row['quantity'] + 1)), axis=1)
# 炸开列表列、删除原quantity列、重置行索引
result = df.explode('id').drop(columns=['quantity']).reset_index(drop=True)

特点:代码逻辑和需求拆解思路完全对齐,容易理解和修改,适合千行以内的中小数据量场景。

方案2:索引重复法(向量化操作,适合大数据量场景)

核心实现路径是通过索引重复完成行展开,再用分组累计计数生成从1开始的id,全程无逐行循环开销:

# 按quantity值重复原始行的索引,拿到展开后的全量索引序列
repeat_idx = df.index.repeat(df['quantity'])
# 取出展开后的name字段
result = df.loc[repeat_idx, ['name']].reset_index(drop=True)
# 按name分组,累计计数从0开始,加1即为从1起始的递增id
result['id'] = result.groupby('name').cumcount() + 1

特点:基于Pandas向量化接口实现,无逐行apply的循环开销,当原始数据量达到十万、百万行级别时,运行效率远高于逐行处理的方案。


两种方案运行后均可输出完全匹配要求的结果:共16行数据,其中a对应5条id从1到5的记录,e对应4条id从1到4的记录,g对应7条id从1到7的记录。

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.05 23:06:07