根据其他列中给出的值在 pandas dataframe 上生成 n 数量新行

Question

因此，我有以下示例 dataframe （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'] = 5
df['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df['amount_needed']给出的数字（在本例中为 5）。 我希望这 5 个新行分布在df['upper_bound']和df['lower_bound']给出的频谱中。 因此，对于上面的示例，我希望得到以下结果作为 output：

df_new = pd.DataFrame({'base_number': [1, 1.5, 2, 2.5, 3]})

当然，这个过程将针对更大的 dataframe 中的所有行完成，以及与这个特定问题无关的许多其他列，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

一行df将创建一个系列（或一个数据框）。 这是迭代df并使用您指定的值创建系列的一种方法：

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

Answer 2

最终使用 jsmart 的贡献并对其进行处理以生成新的 dataframe，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