本文介绍一种高效、向量化的方法，利用布尔索引、Index.repeat 和 groupby.cumcount，对包含特定关键词（如 "TestString"）的行进行三等分扩展：每匹配一行，生成3个新行，均分原时长为5，并按+5递增起始时间点，同时追加 _1/_2/_3 后缀。
本文介绍一种高效、向量化的方法，利用布尔索引、index.repeat 和 groupby.cumcount，对包含特定关键词（如 "teststring"）的行进行三等分扩展：每匹配一行，生成3个新行，均分原时长为5，并按+5递增起始时间点，同时追加 _1/_2/_3 后缀。
在神经科学或行为实验数据分析中，常需将一个代表复合事件（如 "SocTestString"）的原始试次，拆解为多个等时长、连续时间窗的子试次（例如每个5秒），以适配后续的时序建模或BOLD响应建模。Pandas 提供了无需显式循环的向量化方案，核心思路是：先复制目标行，再批量修正新行的 onset、duration 和 type 字段。
以下为完整实现代码（含详细注释）：
import pandas as pd
test = pd.DataFrame({
'onset': [1, 3, 18, 33, 35, 50],
'duration': [2, 15, 15, 2, 15, 15],
'type': ['Instr', 'Remember', 'SocTestString', 'Rating', 'SelfTestString', 'XXX']
})
N = 3 # 每个匹配行扩展为 N 行（此处固定为 3）
m = test['type'].str.contains('TestString') # 布尔掩码：标记需扩展的行
# 步骤1：重复行 —— 对 m 为 True 的行重复 (N-1) 次（即原行 + 新增2行 → 共3行）
# .add(1) 确保原行至少保留1次；.mul(N-1) 计算需额外复制次数
out = test.loc[test.index.repeat(m.mul(N - 1).add(1))]
# 步骤2：更新 duration —— 仅对原匹配行对应的所有新行设为 5（即原 duration / N）
out.loc[m, 'duration'] = 5 # 更直观：直接赋值，而非除法（避免浮点误差）
# 步骤3：计算累计序号（0,1,2）并更新 onset
cc = out.loc[m].groupby(level=0).cumcount() # level=0 按原始索引分组，确保同一原行内编号连续
out.loc[m, 'onset'] += cc * 5 # onset_i = original_onset + i * 5
# 步骤4：更新 type —— 追加 _1, _2, _3 后缀
out.loc[m, 'type'] += '_' + (cc + 1).astype(str)
# 步骤5：重置索引（可选，但推荐用于清晰性）
out = out.reset_index(drop=True)
print(out)
✅ 输出结果与预期完全一致：
onset duration type 0 1 2 Instr 1 3 15 Remember 2 18 5 SocTestString_1 3 23 5 SocTestString_2 4 28 5 SocTestString_3 5 33 2 Rating 6 35 5 SelfTestString_1 7 40 5 SelfTestString_2 8 45 5 SelfTestString_3 9 50 15 XXX
⚠️ 注意事项：
- 该方法要求原始 DataFrame 的索引无重复值（
test.index.is_unique == True），否则groupby(level=0)分组可能出错； - 若需支持任意
N（不局限于3），只需修改N变量并确保duration被均分为original_duration / N（注意整除或四舍五入逻辑）； - 若
"TestString"匹配逻辑需更严格（如精确匹配、忽略大小写），可改用str.fullmatch或添加case=False参数； - 扩展后
onset严格递增，但若原始数据存在重叠或倒序，建议扩展前先按onset排序。
此方案兼顾性能与可读性，适用于数千行规模的数据处理，在 fMRI 实验设计解析、EEG 事件序列重构等场景中具有广泛实用性。
