DataFrame中重复值处理：如何基于另一列值复制指定列条目？

嘿，我来帮你搞定这个需求！咱们先拿一个具体的例子来说明，这样你能更直观地理解。

示例场景 #

假设你有这样一个原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'LT': ['A', 'B', 'C'],
    '年份': [2, 3, 1]  # 这个列的值就是对应LT需要重复的次数
})

你的目标是把每个LT条目按照它对应的年份值重复相应次数，最终得到这样的结果：

LT
0  A
1  A
2  B
3  B
4  B
5  C

几种可行的实现方法 #

下面给你介绍三种实用的方式，你可以根据自己的习惯和数据规模来选：

方法1：利用repeat和索引定位（高效简洁）

这是pandas里比较原生高效的做法，适合处理较大的数据集：

# 生成重复后的索引序列
repeated_idx = df.index.repeat(df['年份'])
# 根据重复索引提取LT列，重置索引得到最终结果
result_df = df.loc[repeated_idx, ['LT']].reset_index(drop=True)

方法2：循环生成列表（直观易懂）

如果喜欢更直白的逻辑，用循环构造目标列表再转成DataFrame也很清晰：

lt_result = []
# 遍历每一行，把LT值重复对应次数后加入列表
for lt_val, repeat_count in zip(df['LT'], df['年份']):
    lt_result.extend([lt_val] * repeat_count)
# 转成DataFrame
result_df = pd.DataFrame({'LT': lt_result})

方法3：结合apply和explode（灵活通用）

这种方法先把每个LT转成对应长度的列表，再用explode展开，也是很常用的技巧：

# 给每行生成一个重复LT的列表
df['LT_list'] = df.apply(lambda row: [row['LT']] * row['年份'], axis=1)
# 展开列表并整理成目标格式
result_df = df.explode('LT_list').rename(columns={'LT_list': 'LT'}).drop(columns=['年份']).reset_index(drop=True)

这几种方法都能达到你想要的效果，你可以根据自己的代码风格和数据量来选择~

内容的提问来源于stack exchange，提问作者user3032235