Расширить фрейм данных pandas на основе диапазона значений столбцов

У меня есть следующий фрейм данных (краткий образец):

cond_ID  tow1_ID  tow2_ID
0       10        0        4
1       17        6       12
3       13       14       15
4       13       16       16
5       13       17       18

Я хочу расширить его на основе диапазона между tow1_ID и tow2_ID. Например, я хочу добавить записи со значениями 1,2,3 и 4 ниже значения 0. Вот желаемый результат:

cond_ID  tow1_ID
0       10        0
0       10        1
0       10        2
0       10        3
0       10        4
1       17        6
1       17        7
1       17        8
1       17        9
1       17        10
1       17        11
1       17        12
1       13        14
1       13        15
1       13        16
1       13        17
1       13        18

Как я могу сделать это с векторизованным подходом (без использования применения)? Любая помощь высоко ценится.

Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения текстовых сообщений может быть настолько сложным или простым, насколько вы его сделаете. Как и в любом ML-проекте, вы можете выбрать...
7 лайфхаков для начинающих Python-программистов
7 лайфхаков для начинающих Python-программистов
В этой статье мы расскажем о хитростях и советах по Python, которые должны быть известны разработчику Python.
Установка Apache Cassandra на Mac OS
Установка Apache Cassandra на Mac OS
Это краткое руководство по установке Apache Cassandra.
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
В одном из недавних постов я рассказал о том, как я использую навыки количественных исследований, которые я совершенствую в рамках программы TPQ...
Создание персонального файлового хранилища
Создание персонального файлового хранилища
Вы когда-нибудь хотели поделиться с кем-то файлом, но он содержал конфиденциальную информацию? Многие думают, что электронная почта безопасна, но это...
Создание приборной панели для анализа данных на GCP - часть I
Создание приборной панели для анализа данных на GCP - часть I
Недавно я столкнулся с интересной бизнес-задачей - визуализацией сбоев в цепочке поставок лекарств, которую могут просматривать врачи и...
1
0
30
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Попробуй это:

df.assign(tow1_ID=[np.arange(s,f+1) for s, f in zip(df['tow1_ID'], df['tow2_ID'])])\
  .explode('tow1_ID')\
  .drop(['tow2_ID'], axis=1)

Выход:

   cond_ID tow1_ID
0       10       0
0       10       1
0       10       2
0       10       3
0       10       4
1       17       6
1       17       7
1       17       8
1       17       9
1       17      10
1       17      11
1       17      12
3       13      14
3       13      15
4       13      16
5       13      17
5       13      18
def foo(r):
    return pd.DataFrame({"cond_ID": r.cond_ID,
                         "tow_ID": range(r.tow1_ID, r.tow2_ID + 1),
                         "index": r.name}).set_index("index")
    
print(pd.concat([foo(r) for _, r in df.iterrows()]))
#        cond_ID  tow_ID
# index                 
# 0           10       0
# 0           10       1
# 0           10       2
# 0           10       3
# 0           10       4
# 1           17       6
# 1           17       7
# 1           17       8
# 1           17       9
# 1           17      10
# 1           17      11
# 1           17      12
# 3           13      14
# 3           13      15
# 4           13      16
# 5           13      17
# 5           13      18

Другие вопросы по теме