Existe-t-il un moyen de faire l'inverse d'un groupe par opération dans les pandas python?

IIUC:

rows = ['row1','row2','row3']
ll = [['a','b'],['a','b','c'],[]]

t = []
for r, l1 in zip(rows,ll):
   for l2 in l1: t.append([r,l2])

df = pd.DataFrame(t, columns = ['col1','col2'])

vous pouvez essayer exploser sur une série construite à partir de ll , et reset_index comme:

df = df.join(pd.Series(ll, df.index, name='col2').explode()).reset_index()
print (df)
   col1 col2
0  row1    a
1  row1    b
2  row2    a
3  row2    b
4  row2    c
5  row3  NaN

si vous voulez que la dernière cellule soit vide, vous pouvez la passer sous forme de liste:

from itertools import product, chain
res = chain.from_iterable(product([first],last)
                          for first, last
                          in zip(df.col1,ll)
                         )

pd.DataFrame(res)

      0     1
0   row1    a
1   row1    b
2   row2    a
3   row2    b
4   row2    c
5   row3    None

ensuite est une combinaison de zip, produit , chain pour obtenir votre sortie avant de la lire dans un dataframe pandas:

df = pd.DataFrame({'col1':['row1','row2','row3']})
ll = [['a','b'],['a','b','c'],[None]] # or np.nan

vitesse de retour sur ceci est 373 µs  ± 9,05 µs par boucle (moyenne ± écart standard de 7 courses, 1000 boucles chacune)

retour de vitesse en utilisant la solution de @ Ben.T: 2,03 ms ± 64,6 µs par boucle (moyenne ± écart type de 7 courses, 100 boucles chacune)

vitesse en utilisant l'approche de @ umbreon29: 460 µs ± 7,41 µs par boucle (moyenne: ± std. dev. de 7 courses, 1000 boucles chacune)

bien sûr, c'est un très petit ensemble de données. un test approprié sur un grand ensemble de données devrait être plus précis