本文介绍一种高效、无警告的 pandas 方法：根据列名（如 "tridem"、"tandem"）动态重复对应列，并将原值按指定份数均分，彻底规避 `performancewarning: indexing past lexsort depth` 错误。
在数据处理中，常需依据列语义（而非位置）对 DataFrame 进行结构化扩展。例如，工程载荷分析中，“Tridem”轴组需拆分为 3 份均布载荷，“Tandem”需拆为 2 份，而“Single”保持不变。原始代码通过循环 + 原地赋值实现，但会触发 PerformanceWarning——这是因为 Pandas 在非字典序索引（如重复列名未预排序）下进行链式赋值时，内部索引优化失效，影响性能与稳定性。
推荐采用向量化、一次性构建方案，核心思路是：
- 定义列名到重复次数的映射（如 {'Single': 1, 'Tandem': 2, 'Tridem': 3}）；
- 使用 .map() 获取每列对应的重复数 rep；
- 先对原 DataFrame 按列广播除法（.div(rep, axis=1)），再用 np.repeat 同时重复数据和列名。
以下是完整可运行示例：
import pandas as pd
import numpy as np
# 构造原始数据（注意：columns 应传入 list，而非嵌套 list）
weight = [700, 1500, 1200, 2700]
name = ['Single', 'Tridem', 'Tandem', 'Tridem']
ol_axle = pd.DataFrame([weight], columns=name) # ✅ 正确写法
# 定义重复规则：列名 → 重复次数
n = {'Single': 1, 'Tandem': 2, 'Tridem': 3}
# 步骤1：计算每列需重复的次数
rep = ol_axle.columns.map(n)
# 步骤2：先均分数值，再重复列（向量化，零警告）
out = pd.DataFrame(
np.repeat(ol_axle.div(rep, axis=1), rep, axis=1),
columns=np.repeat(ol_axle.columns, rep),
index=ol_axle.index
)
print(out)输出结果：
Single Tridem Tridem Tridem Tandem Tandem Tridem Tridem Tridem 0 700.0 500.0 500.0 500.0 600.0 600.0 900.0 900.0 900.0
✅ 优势说明：
- 无性能警告：全程避免原地索引赋值，使用 np.repeat 和 pd.DataFrame 构造器一次性生成结果；
- 逻辑清晰：分离“重复逻辑”（map + repeat）与“数值变换”（div），便于维护和扩展；
- 健壮性强：自动适配任意顺序、任意重复次数的列名组合，无需手动标记状态（如 tridem_divided 标志位）。
⚠️ 注意事项：
- 原始代码中 columns=[name] 会导致列名为 [['Single','Tridem','Tandem','Tridem']]（即单元素列表嵌套），应改为 columns=name；
- 若列名存在未定义于 n 字典中的值（如 'Quad'），.map(n) 将返回 NaN，引发除零错误，建议添加默认值：ol_axle.columns.map(n).fillna(1).astype(int)；
- 如需保留整数类型，可在最后链式调用 .astype(int)，但需确保除法结果为整除（或使用 // 整除运算符）。
此方法兼顾可读性、性能与鲁棒性，是处理语义化列重复任务的标准实践。
