您可以尝试以下操作：

from random import uniform

def rng_numbers(row):
    left, right = row.iat[0], row.iat[1]
    n = left
    if pd.isna(right):
        return [n]
    if right < left:
        left, right = right, left
    return [n] + [uniform(left, right) for _ in range(6)]

df["number"] = (
    pd.concat([df["number"], df["number"].shift(-1)], axis=1)
    .apply(rng_numbers, axis=1)
)
df = df.explode("number", ignore_index=True)

• 首先创建一个包含2列的 Dataframe ，这2列构成间隔边界：number列和number列向前移位1。
• 然后.apply将函数rng_numbers应用于新 Dataframe 的行：rng_numbers首先对区间边界进行排序，然后返回一个列表，该列表从列number中的相应项开始，然后是区间中的许多随机数num_rows。在最后一行中，左边界是NaN（由于.shift(-1)）：在这种情况下，该函数返回没有随机数的列表。
• 然后在新列number上添加.explodedf。

您可以使用NumPy执行类似的操作，它可能更快：

rng = np.random.default_rng()

limits = pd.concat([df["number"], df["number"].shift(-1)], axis=1)
left = limits.min(axis=1).values.reshape(-1, 1)
right = limits.max(axis=1).values.reshape(-1, 1)
df["number"] = (
    pd.Series(df["number"].values.reshape(len(df), 1).tolist())
    + pd.Series(rng.uniform(left, right, size=(len(df), 6)).tolist())
)
df["number"].iat[-1] = df["number"].iat[-1][:1]
df = df.explode("number", ignore_index=True)