Pandas按多列分组后复制行并迭代设置年份的需求实现

云原生阿岚

2026-5-19

解决Pandas生成多年份历史数据的问题

嗨，我来帮你搞定这个需求！结合你提到的三个操作，我整理了一套清晰的步骤，附代码示例和解释，你可以直接套用：

步骤拆解与代码实现

首先我们先模拟一份和你类似的原始数据，方便演示：

import pandas as pd
import numpy as np

# 模拟原始DataFrame（包含重复的Exchange+Ticker组合）
df = pd.DataFrame({
    'Exchange': ['NYSE', 'NASDAQ', 'NYSE'],
    'Ticker': ['AAPL', 'GOOGL', 'AAPL'],
    'Price': [150, 280, 152],
    'Volume': [1000000, 500000, 1050000]
})

1. 确保Exchange+Ticker组合唯一

先对重复的组合去重，保留每组的第一条记录（如果需要保留其他逻辑，可以调整keep参数，比如keep='last'或False删除所有重复项）：

# 按指定列去重
df_unique = df.drop_duplicates(subset=['Exchange', 'Ticker'], keep='first')

2. 生成5条记录+3. 分配不同年份

这里提供两种简洁的实现方式，选你觉得顺手的就行：

方法一：用`repeat` + `np.tile`

# 定义需要的年份列表（可根据需求调整顺序或年份范围）
target_years = [2017, 2016, 2015, 2014, 2013]

# 每行重复5次
df_repeated = df_unique.loc[df_unique.index.repeat(5)].reset_index(drop=True)

# 循环分配年份（用tile确保每个Ticker对应完整的年份序列）
df_repeated['Year'] = np.tile(target_years, len(df_unique))

方法二：用`assign` + `explode`（更直观）

这种方法直接给每行绑定一个年份列表，再展开成多行，代码可读性更高：

target_years = [2017, 2016, 2015, 2014, 2013]

# 给每行添加年份列表，再展开成单独行
df_final = df_unique.assign(Year=[target_years]*len(df_unique)).explode('Year').reset_index(drop=True)