Это быстрое решение должно дать требуемые результаты, код еще нуждается в оптимизации

max_val = 800

def split_x (x):
  lst=[]
  while x > max_val:
    x=x-max_val
    lst.append(max_val)
  if x != 0:
    lst.append(x)
  return lst

data = {'id':['A', 'B'],
        'value':[2000,600]}
df = pd.DataFrame(data)
df_new=pd.DataFrame({'id':[],'value':[]})

for i in range(len(df)):

  d=df.loc[i]['value']
  id=df.loc[i]['id']
  s=split_x(d)
  for i in range(len(s)):
    print (i,s[i])
    df_new=df_new.append({'id':id,'value':s[i]},ignore_index=True)

>>> df_new
  id  value
0  A  800.0
1  A  800.0
2  A  400.0
3  B  600.0

Определите функцию, которая будет применяться к каждой строке:

def fn2(val, maxVal):
    tbl = []
    v1 = val // maxVal
    v2 = val % maxVal
    if v1:
        tbl.extend([maxVal] * v1)
    if v2:
        tbl.append(v2)
    return pd.Series(tbl)

В приведенной выше функции максвал является максимальным значением стоимость, которое должно быть установлено в выходной ряд.

И фактическая обработка может быть выполнена в одном (хотя и связанном) инструкция:

df.set_index('Id').Values.apply(fn2, maxVal=800).stack()\
    .rename('Values').astype(int)\
    .reset_index(level=1, drop=True).reset_index()

Обратите внимание, что перед куча некоторые значения равны NaN, поэтому тип был изменен до плавать. Чтобы изменить его обратно на инт, я добавил тип (целое число).

Для ваших выборочных данных результат:

  Id Values
0  A    800
1  A    800
2  A    400
3  B    600

Изменить после вашего комментария

Если у вас есть единственный другой столбец, вы можете "разделить" Значения на куски почти как вы предложили:

df.set_index(['Id', 'AnotherCol']).Values.apply(fn2, maxVal=800)\
    .stack().rename('Values').astype(int)\
    .reset_index(level=2, drop=True).reset_index()

Отличие от вашего предложения в том, что уровень индекса, который нужно сбросить, равен 2. (не 0).

Но если у вас есть более таких «дополнительных» столбцов, более естественным кажется:

• Рассчитайте Ряд "разделенного Значения" (я назвал его вальс), с индексом, взятым из исходного столбца Id.
• Удалите «исходный» столбец Значения из дф.
• Объедините его с вальс. Ключи слияния:
  • для дф - Id,
  • для вальс - индекс.

Итак, код:

vals = df.set_index(['Id']).Values.apply(fn2, maxVal=800)\
    .stack().rename('Values').astype(int)\
    .reset_index(level=1, drop=True)
pd.merge(df.drop(columns=['Values']), vals,
    left_on='Id', right_index=True)

Если вы недовольны повторяющимися значениями индекса, добавьте .reset_index(drop=True) до последней инструкции.