根据子值展开 dataframe 中的列（分组依据的对面？）

Question

假设我有一个 dataframe。 我想获取 col1 中的值（例如A ）并返回多个值，例如A.1 、 A.2 、 A.3等。

此列中的每个值都对应于其他地方的数据组。 我想运行一个自定义 function 来返回这些值的列表，并且我想创建一个新的 dataframe 新行与原始行相同，除了col1中的值更改：

所以：

Col1, Col2, Col3
A, 55, type

如果A对应于AB 、 AJ 、 AI等列表，我想要一个新的 dataframe：

Col1,Col2,Col3
AB, 55, type
AJ, 55, type,
AI, 55, type

Answer 1

假设col1之间的映射包含在一个字典中，例如

mapping = {'AB':'A', 'AJ':'A', 'AI':'A'}

然后您可以创建映射的新表并将其加入原始表：

df = pd.DataFrame({'Col1':['A'], 'Col2':[55], 'Col3':['type']})
df_map = pd.DataFrame(mapping.items(), columns=['Col1_new', 'Col1'])

df_new = pd.merge(df, df_map)

  Col1  Col2  Col3 Col1_new
0    A    55  type       AB
1    A    55  type       AJ
2    A    55  type       AI

Answer 2

# define the two tables
a = pd.DataFrame({'Col1':['A'], 'Col2':[55], 'Col3':['type']})
b = pd.DataFrame({'Col1': ['AB', 'AJ', 'AI']})

# Create a column in your second table that matches `Col1` in your first table
# it appears you want that to be the first letter of `Col1` in table `b`:
b['key'] = b['Col1'].str[0]

# Join the two tables together on that key that matches across both
df = a.set_index('Col1').join(b.set_index('key'))

# Rearrange as you like:
df = df[['Col1', 'Col2', 'Col3']]

给出df =：

  Col1  Col2  Col3
A   AB    55  type
A   AJ    55  type
A   AI    55  type

Answer 3

这应该有效：

l = list('BJI')
df.iloc[[0]*len(l)].assign(Col1 = lambda x: x['Col1'].str.cat(l)).reset_index()