Expand Pandas Dataframes adding rows by different ranges

I have a dataframe like this:

SEG	FAM	GAMA	MIN_RAT	MAX_RAT	VALOR
PE	001	002	1	2	5,15
PE	001	002	2,1	3	2,55

And I need to “expand” the df adding new rows to make a new dataframe like this:

SEG	FAM	GAMA	MIN_RAT	MAX_RAT	VALOR
PE	001	002	1	1	10,30
PE	001	002	1,1	1,1	9,79
PE	001	002	1,2	1,2	9,27
PE	001	002	1,3	1,3	8,76
PE	001	002	1,4	1,4	8,24
PE	001	002	1,5	1,5	7,73
PE	001	002	1,6	1,6	7,21
PE	001	002	1,7	1,7	6,70
PE	001	002	1,8	1,8	6,18
PE	001	002	1,9	1,9	5,67
PE	001	002	2	2	5,15
PE	001	002	2,1	2,1	5,10
PE	001	002	2,2	2,2	4,82
PE	001	002	2,3	2,3	4,53
PE	001	002	2,4	2,4	4,25
PE	001	002	2,5	2,5	3,97
PE	001	002	2,6	2,6	3,68
PE	001	002	2,7	2,7	3,40
PE	001	002	2,8	2,8	3,12
PE	001	002	2,9	2,9	2,83
PE	001	002	3	3	2,55

The values ​​of the column “VALOR” are constructed dividing :

• 5.15 of the original table by the number of new rows between MIN_RAT=1 and MAX_RAT = 2 and adding that value to 5.15 (in this case we add 0.515 in each row)

• 2,55 of the original table by the number of new rows between MIN_RAT=2,1 and MAX_RAT = 3 and adding that value to 2.55 (in this case we add 0.28 in each row)

Is it possible to do this optimally?

Answer

Let’s try this:

rnglist=[np.arange(i, j+.1, 0.1) for i, j in list(zip(df['MIN_RAT'], df['MAX_RAT']))]

dfm = df.reindex(df.index.repeat([len(x) for x in rnglist]))

dfm['MIN_RAT'] = np.concatenate(rnglist)
dfm['MAX_RAT'] = np.concatenate(rnglist)

dfm['VALOR']=  dfm.groupby(level=0)['VALOR']
                  .transform(lambda x: ((x.notna().cumsum()-1)/(x.count()-1)*x.iloc[0])[::-1]+x.iloc[0])
print(dfm)

Output:

   EG  FAM  GAMA  MIN_RAT  MAX_RAT      VALOR
0  PE    1     2      1.0      1.0  10.300000
0  PE    1     2      1.1      1.1   9.785000
0  PE    1     2      1.2      1.2   9.270000
0  PE    1     2      1.3      1.3   8.755000
0  PE    1     2      1.4      1.4   8.240000
0  PE    1     2      1.5      1.5   7.725000
0  PE    1     2      1.6      1.6   7.210000
0  PE    1     2      1.7      1.7   6.695000
0  PE    1     2      1.8      1.8   6.180000
0  PE    1     2      1.9      1.9   5.665000
0  PE    1     2      2.0      2.0   5.150000
1  PE    1     2      2.1      2.1   5.100000
1  PE    1     2      2.2      2.2   4.816667
1  PE    1     2      2.3      2.3   4.533333
1  PE    1     2      2.4      2.4   4.250000
1  PE    1     2      2.5      2.5   3.966667
1  PE    1     2      2.6      2.6   3.683333
1  PE    1     2      2.7      2.7   3.400000
1  PE    1     2      2.8      2.8   3.116667
1  PE    1     2      2.9      2.9   2.833333
1  PE    1     2      3.0      3.0   2.550000