更有效地执行嵌套python循环

我在这里看过其他解释，但都不太合适。 解包代码可以工作，但速度非常慢。有没有更好的方法可以用于python。我看不出我怎么能在这里工作。 任何建议都会很有帮助

import pandas as pd

df = pd.DataFrame(data={'a':['A1 + A3','B4 + A4 + D2','C2 + D2'],'b':['L700 + 
          L800','G700','L2600 + L900'],'c':['6','7','8']})
df

    a   b   c
0   A1 + A3 L700 + L800     6
1   B4 + A4 + D2    G700    7
2   C2 + D2 L2600 + L900    8

---

使用：

说明：

第一个用于拆分的拆分列

使用

多索引对
系列
进行重塑

通过正则表达式为每行创建

DataFrame

-nees escape

++

，对于一个或多个空格，使用

\s+

根据和将第二个标高的形状重塑为柱

通过

ffill向前填充
NaN
s

数据清理

如果列的顺序很重要，请添加

---

欢迎来到StackOverflow。请花点时间阅读这篇文章，以及如何提供答案，并相应地修改你的问题。这些提示可能也很有用。可以吗？我希望输出看起来更好。它是超级的，谢谢。@Martintoma-我开始做它，但是有很多功能，所以我希望在3分钟内它会是done@MartinThoma-好了，哇！谢谢你，耶斯雷尔！我得一行一行地检查一下。我原以为我已经掌握了python（老VBA大师）的诀窍，但你已经告诉我，我还有很多路要走。@jezrael-当我在代码中运行这个时，我得到了“ValueError:Index包含重复的条目，无法重塑”我正在使用的df比我上面的示例有更多的列。我应该寻找什么来尝试修复此问题？@jezrael-我通过创建一个唯一的索引df['new']=range（1，len（df.index）+1）来修复它，因为我的数据帧不包含任何唯一的valuecolumns:）

df2 = pd.DataFrame(columns = df.columns)
for index, row in df.iterrows():
    userLabel = row.loc['a']
    cells = userLabel.split('+') 

    ID = row.loc['b']
    tech = ID.split('+')     
    i = 0
    for cell in cells:

        cell = cell.strip()
        row.loc['a'] = cell
        if i > len(tech)-1:
            i = i-1
        row.loc['b'] = tech[i]
        df2.loc[len(df2)] = row
        i += 1

df2

    a   b   c
0   A1  L700    6
1   A3  L800    6
2   B4  G700    7
3   A4  G700    7
4   D2  G700    7
5   C2  L2600   8
6   D2  L900    8

df = (df.set_index('c')
        .stack()
        .str.split('\s+\+\s+', expand=True)
        .stack()
        .unstack(1)
        .ffill()
        .reset_index(level=1, drop=True)
        .reset_index()
        .reindex(columns=['a','b','c'])
        )
print (df)
    a      b  c
0  A1   L700  6
1  A3   L800  6
2  B4   G700  7
3  A4   G700  7
4  D2   G700  7
5  C2  L2600  8
6  C2   L900  8