本文介绍使用 pandas 高效地根据某列数值重复并扩展 dataframe 行，为每组生成 1 到该值的连续索引列，适用于数据预处理、模拟序列生成等场景。
本文介绍使用 pandas 高效地根据某列数值重复并扩展 dataframe 行，为每组生成 1 到该值的连续索引列，适用于数据预处理、模拟序列生成等场景。
在数据分析与建模中，常需将聚合记录“展开”为细粒度行级结构——例如，一条记录 item='A', index_end=3 需拆解为三行，对应 index=1,2,3。这种操作本质是按列值重复行 + 分组编号，pandas 提供了简洁高效的向量化方案。
✅ 推荐方法：df.index.repeat + groupby.cumcount
这是最清晰、可读性强且性能优异的方案：
import pandas as pd
df = pd.DataFrame({
'item': ['A', 'B', 'C'],
'index_end': [3, 4, 1]
})
out = (df.loc[df.index.repeat(df['index_end'])]
.assign(index=lambda x: x.groupby(level=0).cumcount().add(1))
)
print(out)输出：
item index_end index 0 A 3 1 0 A 3 2 0 A 3 3 1 B 4 1 1 B 4 2 1 B 4 3 1 B 4 4 2 C 1 1
✅ 原理说明：
- df.index.repeat(df['index_end']) 按 index_end 值重复原始索引（如索引 0 重复 3 次 → [0,0,0]）；
- df.loc[...] 利用重复索引重采样原 DataFrame，实现行复制；
- groupby(level=0) 按原始索引分组（保留重复索引的分组逻辑），cumcount() + 1 生成从 1 开始的组内序号。
⚠️ 注意事项
- 若原始 DataFrame 索引非默认整数（如含重复或非连续索引），建议先重置索引 df.reset_index(drop=True) 再执行，避免分组歧义；
- groupby(level=0) 依赖索引层级，若后续需去重索引，可用 out.reset_index(drop=True) 重建唯一整数索引（如上例第二段输出所示）；
- 该方法完全向量化，无需循环或 apply，对万级以上数据仍保持高性能。
? 替代方案：纯 NumPy 实现（适合极致性能场景）
当数据规模极大且需避免 pandas 分组开销时，可结合 np.repeat 与 np.cumsum 构造 index 列：
import numpy as np
a = df['index_end'].to_numpy()
repeated_df = pd.DataFrame(
np.repeat(df.values, a, axis=0),
columns=df.columns
)
# 构造 index 列：利用逆序 cumsum 巧妙生成分段递增序列
offsets = np.repeat(np.cumsum(a[::-1])[::-1], a) - np.arange(len(repeated_df))
repeated_df['index'] = offsets + 1但该写法可读性较低，调试成本高，日常推荐首选 pandas 原生方案。
✅ 总结
| 方法 | 优点 | 适用场景 |
|---|---|---|
| index.repeat + groupby.cumcount | 简洁、易懂、稳定、支持任意列类型 | 95%+ 场景（推荐首选） |
| np.repeat + 手动索引构造 | 内存与速度微优（百万级以上） | 对性能极度敏感且已熟悉 NumPy 的高级用户 |
只要掌握 repeat 和 cumcount 的组合逻辑，即可轻松应对各类“一变多”的行扩展需求——无需 for 循环，不依赖外部库，真正发挥 pandas 向量化威力。
