本文介绍如何在 Pandas 中将 DataFrame 的每一行完整重复 n 次，同时严格保持原始行序（即“块式重复”，而非“逐行展开式重复”），并指出 index.repeat() 的常见误用陷阱及替代方案。
本文介绍如何在 pandas 中将 dataframe 的每一行完整重复 n 次，同时严格保持原始行序（即“块式重复”，而非“逐行展开式重复”），并指出 `index.repeat()` 的常见误用陷阱及替代方案。
在 Pandas 数据处理中，常需对整张表进行结构化复制，例如生成训练样本、模拟批量请求或构造测试数据集。一个典型需求是：将 DataFrame 的全部行作为一个整体重复 n 次，并保持每轮内部的原始顺序不变——即先输出原表所有行，再重复一遍原表所有行，依此类推。这与 df.index.repeat(n) 所实现的“每个索引位置重复 n 次后重排”的行为有本质区别：后者会导致同一行连续出现多次（如 A,A,B,B,C,C），破坏行间逻辑顺序，不适用于需保留批次结构的场景。
正确做法是使用 pd.concat() 将多个相同 DataFrame 实例沿纵向拼接。该方法天然维持各副本内部的行序，且拼接顺序即为指定列表顺序，完全可控。示例如下：
import pandas as pd
# 构造原始 DataFrame
df = pd.DataFrame({
'Column A': ['A', 'B', 'C'],
'Column B': [1, 2, 3]
})
n = 2 # 重复次数
result = pd.concat([df] * n, ignore_index=True)
print(result)输出结果为：
Column A Column B 0 A 1 1 B 2 2 C 3 3 A 1 4 B 2 5 C 3
✅ 关键说明：
- [df] * n 创建包含 n 个相同 DataFrame 引用的列表（轻量，不深拷贝）；
- ignore_index=True 重置最终索引为连续整数（推荐用于多数场景）；
- 若需保留原始索引（如 0,1,2,0,1,2），则省略该参数或设为 False；
- 如需深拷贝避免潜在引用副作用（例如后续修改某副本影响其他），可改用 [df.copy() for _ in range(n)]。
⚠️ 注意事项：
- 避免误用 df.loc[df.index.repeat(n)] —— 它会按索引值分组重复，导致行序被打散；
- 对超大 DataFrame，pd.concat() 在内存中构建新对象，若 n 极大，建议分批处理或考虑 dask 等延迟计算方案；
- 此方法同样适用于含多列、混合类型、含缺失值的 DataFrame，无需额外适配。
综上，pd.concat([df] * n, ignore_index=True) 是实现“有序块重复”的简洁、健壮且符合直觉的标准解法。
