根据其他列中给出的值在熊猫数据框中生成 n 数量的新行

Question

因此，我有以下示例数据框（为了清晰/简单起见，仅包含一行）：df = pd.DataFrame({'base_number': [2],                   'std_dev': [1]})df['amount_needed'] = 5df['upper_bound'] = df['base_number'] + df['std_dev']df['lower_bound'] = df['base_number'] - df['std_dev']对于每个给定的行，我想生成行数，使得每行的总数是给定的数字df['amount_needed']（在本例中为 5）。我希望这 5 行新行分布在df['upper_bound']和给出的范围内df['lower_bound']。因此，对于上面的示例，我希望输出以下结果：df_new = pd.DataFrame({'base_number': [1, 1.5, 2, 2.5, 3]})当然，这个过程将针对一个更大的数据框中的所有行完成，许多其他列与这个特定问题无关，这就是为什么我试图找到一种方法来自动化这个过程。

Answer 1

最终使用 jsmart 的贡献并对其进行处理以生成一个新的数据框，保留原始 id，以便根据需要根据 id 将旧列中的其他列合并到这个新列中（整个过程如下所示）：

amount_needed = 5

df = pd.DataFrame({'base_number': [2, 4, 8, 0],

                   'std_dev': [1, 2, 3, 0]})

df['amount_needed'] = amount_needed

df['upper_bound'] = df['base_number'] + df['std_dev']

df['lower_bound'] = df['base_number'] - df['std_dev']

s1 = pd.Series([],dtype = int)

for row in df.itertuples():

    arr = np.linspace(row.lower_bound, 

                      row.upper_bound, 

                      row.amount_needed)

    s = pd.Series(arr).rename('base_number')

    s1 = pd.concat([s1, s])

  

df_new = pd.DataFrame({'base_number': s1})

ids_og = list(range(1, len(df) + 1))

ids_og = [ids_og] * amount_needed

ids_og = sorted(list(itertools.chain.from_iterable(ids_og)))

df_new['id'] = ids_og

Answer 2

一排df将创建一个系列（或一个数据框）。这是一种迭代df并使用您指定的值创建系列的方法：

for row in df.itertuples():

    arr = np.linspace(row.lower_bound, 

                      row.upper_bound, 

                      row.amount_needed)

    s = pd.Series(arr).rename('base_number')

    

print(s)

0    1.0

1    1.5

2    2.0

3    2.5

4    3.0

Name: base_number, dtype: float64