如果我理解正确的话，你可以使用itertools.product：

from itertools import product

combs = df.apply(lambda x: [(x.name, c) for c in x['Pos'].split('/')], axis=1)

df_out = pd.Series(product(*combs)).explode().to_frame().reset_index()
df_out.index, df_out[0] = df_out[0].str[0], df_out[0].str[1]

df_out = pd.merge(df, df_out, left_index=True, right_index=True).sort_values(by=['index', 0])

df_out = df_out.rename(columns={'index': 'Set', 0: 'Pos'})
df_out['Set'] += 1
print(df_out[['Set', 'id', 'Fan', 'Pos']])

字符串
图纸：

Set     id    Fan  Pos Pos
0    1  10001  32.83  A/B   A
1    1  10005  71.60  A/B   A
2    1  10010  24.23  E/F   E
3    1  10011  48.81  G/H   G
0    2  10001  32.83  A/B   A
1    2  10005  71.60  A/B   A
2    2  10010  24.23  E/F   E
3    2  10011  48.81  G/H   G
0    3  10001  32.83  A/B   A
1    3  10005  71.60  A/B   A

...

型

另一种可能的解决方案：

from itertools import product

d = df['Pos'].str.split('/', expand=True).T

pd.concat([df[['id', 'Fan']].assign(Pos=x)
          for x in product(*[d[col] for col in d.columns])])

字符串
输出量：

id    Fan Pos
0   10001  32.83   A
1   10005  71.60   A
2   10010  24.23   E
3   10011  48.81   G
0   10001  32.83   A
..    ...    ...  ..
3   10011  48.81   G
0   10001  32.83   B
1   10005  71.60   B
2   10010  24.23   F
3   10011  48.81   H

[64 rows x 3 columns]

型