基于Pandas两列数据生成数值范围列的实现方法

嘿，这个需求用 Pandas 就能轻松搞定，我给你分享几种实用的实现方式：

方法一：用 apply 结合 range（小数据集首选） #

首先先还原你的示例数据集：

import pandas as pd

# 构造初始DataFrame
df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})

然后直接用apply遍历每一行，利用Python的range函数生成数值范围——注意range是左闭右开的特性，所以要把b的值加1，才能包含b本身的数值，最后转成列表即可：

df['range'] = df.apply(lambda row: list(range(row['a'], row['b'] + 1)), axis=1)

运行后你就能得到预期的结果：

a  b       range
0  1  3  [1, 2, 3]
1  2  4  [2, 3, 4]

方法二：用 numpy.arange（效率更高） #

如果你的数据集比较大，用numpy的arange会比原生range更高效，用法和上面类似：

import numpy as np

df['range'] = df.apply(lambda row: np.arange(row['a'], row['b'] + 1).tolist(), axis=1)

方法三：矢量化实现（超大数据集优化） #

如果数据量特别大，apply的逐行遍历可能会有点慢，这时候可以用矢量化的方式来提升效率：

import numpy as np

# 计算每行range的长度
lengths = df['b'] - df['a'] + 1
# 生成所有起始点的数组，并扩展到最大长度
starts = df['a'].values
arr = starts[:, None] + np.arange(lengths.max())
# 用掩码过滤掉每行超出范围的数值
mask = np.arange(lengths.max()) < lengths[:, None]
# 将每行有效数值转为列表
df['range'] = [row[mask[i]].tolist() for i, row in enumerate(arr)]

这个方法避免了逐行遍历，在数据量很大的时候性能会提升很多。

内容的提问来源于stack exchange，提问作者seeiespi