假设您的范围是包含的（我之所以这样假设是因为您的'3..4'转换为包含3的行和包含4的行），并且假设您忘记在示例输出中输入Mike 14和Mike 15，我找到了以下解决方案：

import pandas as pd

def parse_str(s):
    numbers = []
    for v in s.rstrip('|').split('|'):
        if v.isdigit():
            numbers.append(int(v))
        else:
            start, end = v.split('..')
            numbers.extend(list(range(int(start), int(end)+1)))
    return pd.Series(numbers)

df.index = df['Type']
dfnew = df['range'].apply(parse_str).stack().reset_index(level=0).rename(columns={0: 'range'})

我们编写一个函数来解析字符串，这意味着用|拆分字符串，如果字符串已经是一个数字，则将数字转换为整数。否则，它是一个范围，所以我们再次用..拆分字符串，并创建一个包含范围内所有数字的列表。最后，我们返回一个包含字符串中所有数字的pd.Series。
然后，我们将该函数应用于df['range'].apply列，并将结果堆栈起来。为了确保仍然保留名称，我们必须首先将其设置为 Dataframe 的索引。

你可以做

# split by '|' and explode
df = df.assign(range=df['range'].str.split('|')).explode('range')

# get the range(i, j) if the string has '..'
df['range'] = df['range'].apply(lambda r: range(int(r.split('..')[0]), int(r.split('..')[1])) if (len(r.split('..')) == 2) else r)

# explode
df = df.explode('range')
df

    Type    range
0   Mike       10
0   Mike       11
0   Mike       12
0   Mike       13
0   Mike       14
0   Mike        7
0   Mike        8
1     Ni        3
2   NANA        2
2   NANA        1
2   NANA        6