如何在DataFrame各类数据的相邻行之间插入3个新行

嘿，这个需求我之前也碰到过，用pandas的分组功能就能完美解决，下面给你一步步拆解：

核心需求梳理 #

我们要给每个Class组内的每一对相邻行之间都插入3个新行，新行的Class和当前组保持一致，IncreasingNumber默认可以填充为NaN，要是你需要其他自定义值，后面也能轻松调整。

第一步：构造测试数据（模拟你的数据集） #

先造个小样本方便快速验证效果，不用直接用31行的大数据：

import pandas as pd
import numpy as np

# 生成2个Class，每个Class各5行（代替你实际的31行）
class_list = ["A"]*5 + ["B"]*5
num_list = list(range(3, 8)) + list(range(1, 6))
df = pd.DataFrame({"Class": class_list, "IncreasingNumber": num_list})

第二步：编写单组处理函数 #

这个函数专门负责给单个Class的子数据插入空行，逻辑很直白：遍历每一行，先把当前行加入结果，只要不是组内最后一行，就跟着插入指定数量的空行：

def insert_empty_rows(group, insert_num=3):
    processed_data = []
    for idx, row in group.iterrows():
        processed_data.append(row)
        # 排除组内最后一行，避免在末尾多余插行
        if idx != group.index[-1]:
            # 构造空行：Class继承当前行，数值列默认填NaN
            empty_rows = pd.DataFrame({
                "Class": [row["Class"]]*insert_num,
                "IncreasingNumber": [np.nan]*insert_num
            })
            processed_data.append(empty_rows)
    # 拼接所有行与空行，重置索引
    return pd.concat(processed_data, ignore_index=True)

第三步：分组应用函数，得到最终结果 #

用groupby按Class分组，把上面的函数套用到每个组上，最后合并所有组的处理结果：

# group_keys=False避免生成多余的分组索引列
final_df = df.groupby("Class", group_keys=False).apply(insert_empty_rows, insert_num=3)

效果示例 #

比如原Class A的前两行是：

Class IncreasingNumber
A 3
A 5

处理后会变成：

Class IncreasingNumber
A 3
A NaN
A NaN
A NaN
A 5
...（后续每对相邻行之间都按此规则插入空行）

如果需要给新行的IncreasingNumber填充其他值，比如0或空字符串，直接修改empty_rows里的[np.nan]*insert_num即可，比如改成[0]*insert_num就会填充为0。

内容的提问来源于stack exchange，提问作者Meso owe