使用Pandas为现有DataFrame循环添加行未生效，求正确实现方法

嘿，我来帮你搞定这个问题！你的代码没达到预期效果，主要是因为几个小细节没处理对：你没有真正新增行，只是在覆盖原DataFrame的列值，而且循环范围和价格计算的符号也有点小差错。

原代码的问题分析 #

• 没有新增行，仅覆盖列值：你在循环里执行df_merged['price_new'] = ...时，是给整个price_new列赋值，而不是为每个true_move生成新行。循环结束后，你的DataFrame还是只有原来的1行，列值保留的是最后一次循环的结果。
• range范围不完整：range((row['max_move_%']) * (-1), row['max_move_%'])会生成从-10到9的整数（不包含10），漏掉了你想要的true_move=10的情况。
• 价格计算符号与预期不符：你期望true_move=-10对应price_new=90，但原代码中1 - a/100当a=-10时，计算结果是1.1，得到的是110，和你的预期对应关系相反。

正确的解决方案 #

方法一：用列表收集新行（直观易懂） #

先遍历原数据的每一行，再遍历每个true_move值，把每一行的原始数据+新字段组成字典存入列表，最后转成DataFrame：

import pandas as pd

# 你的原始数据
df_merged = pd.DataFrame({
    'product': [1],
    'price': [100],
    'max_move_%': [10]
})

# 创建空列表存储所有新行
new_rows = []

for _, row in df_merged.iterrows():
    product = row['product']
    base_price = row['price']
    max_move = row['max_move_%']
    
    # 遍历从 -max_move 到 max_move 的所有整数（包含两端）
    for true_move in range(-max_move, max_move + 1):
        # 计算符合预期的新价格
        price_new = base_price * (1 + true_move / 100.0)
        # 构造新行，保留原列并新增字段
        new_row = {
            'product': product,
            'price': base_price,
            'max_move_%': max_move,
            'true_move': true_move,
            'price_new': price_new
        }
        new_rows.append(new_row)

# 转成最终的DataFrame
result_df = pd.DataFrame(new_rows)
print(result_df)

运行后你会得到21行数据（从true_move=-10到10），每个行都保留了原数据的字段，同时新增了true_move和price_new。

方法二：用Pandas内置方法（更高效） #

如果你的数据量较大，推荐用apply+explode的方式，避免纯Python循环的性能问题：

import pandas as pd

df_merged = pd.DataFrame({
    'product': [1],
    'price': [100],
    'max_move_%': [10]
})

# 为每一行生成true_move的列表
df_merged['true_move'] = df_merged['max_move_%'].apply(lambda x: list(range(-x, x + 1)))
# 把列表展开成多行
df_expanded = df_merged.explode('true_move', ignore_index=True)
# 计算price_new
df_expanded['price_new'] = df_expanded['price'] * (1 + df_expanded['true_move'] / 100.0)

print(df_expanded)

这个方法和方法一的结果完全一致，但处理大数据时速度会快很多。

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