Pandas：如何基于指定列数值重复DataFrame行？求助

没问题，我帮你搞定这个需求！你要的其实是先把宽格式的日期列转成长格式，再根据每个日期对应的数值重复行，对吧？看我给你一步步实现：

第一步：构造示例数据 #

先把你给出的示例DataFrame用代码还原出来：

import pandas as pd

df = pd.DataFrame({
    'Company': ['google', 'google'],
    'WEEK_DAYS': ['MON-FRI', 'TUE'],
    'SEPTEMBER 15': [0, 3],
    'SEPTEMBER 22': [0, 2],
    'SEPTEMBER 29': [5, 0],
    'value': [0.5, 0.7]
})

第二步：把宽表转成窄表（提取日期列） #

用melt方法把三个日期列转成单独的WEEK列，同时保留对应的重复次数（原日期列的数值）：

# 转成长格式，拆分日期列和重复次数
melted_df = df.melt(
    id_vars=['Company', 'WEEK_DAYS', 'value'],  # 保留不需要转换的列
    value_vars=['SEPTEMBER 15', 'SEPTEMBER 22', 'SEPTEMBER 29'],  # 需要转换的日期列
    var_name='WEEK',  # 新日期列的名称
    value_name='count'  # 重复次数列的名称
)

这一步后得到的melted_df会是这样的结构：

第三步：过滤不需要重复的行 #

把count为0的行过滤掉，因为这些行不需要重复：

filtered_df = melted_df[melted_df['count'] > 0]

第四步：根据count值重复每行 #

这里有两种简单的实现方式：

方式1：用repeat方法（兼容所有pandas版本）

# 根据count列的数值重复对应行
result_df = filtered_df.loc[filtered_df.index.repeat(filtered_df['count'])]

方式2：用explode方法（pandas 1.3.0+版本可用，更直观）

# 先创建一个和重复次数匹配的列表，再拆分列表实现行重复
result_df = filtered_df.assign(
    temp=lambda x: x['count'].apply(lambda n: [n]*n)
).explode('temp')

第五步：清理最终结果 #

去掉多余的count（或temp）列，重置索引：

result_df = result_df.drop(columns=['count']).reset_index(drop=True)

最终结果 #

运行完上面的代码后，你会得到完全符合预期的输出：

为什么之前的stack/pivot没成功？ #

stack多用于处理多层索引的宽表转长，pivot则是长表转宽表，而你的需求是先转长格式，再根据数值重复行，所以melt+repeat/explode才是更匹配的组合~

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