本文介绍使用 pd.concat() 配合列表乘法高效实现 dataframe 行的整块重复，严格保持原始行序，避免 index.repeat() 导致的“逐行展开式”排序问题。
本文介绍使用 pd.concat() 配合列表乘法高效实现 dataframe 行的整块重复，严格保持原始行序，避免 index.repeat() 导致的“逐行展开式”排序问题。
在 Pandas 数据处理中，有时需要将整个 DataFrame 重复若干次（例如用于数据增强、测试样本构造或批量模拟），且必须保留原始行的相对顺序——即先完整输出原数据，再完整输出第二遍，而非将第 1 行重复 n 次后再重复第 2 行（后者正是 df.loc[df.index.repeat(n)] 的行为）。
错误做法示例（导致顺序错乱）：
import pandas as pd
df = pd.DataFrame({'Column A': ['A', 'B', 'C'], 'Column B': [1, 2, 3]})
# ❌ 错误：按索引逐行重复 → A,A,B,B,C,C
result_wrong = df.loc[df.index.repeat(2)].reset_index(drop=True)✅ 正确解法是将 DataFrame 视为一个整体单元，通过 Python 列表乘法 [df] * n 构造 n 个相同引用（注意：此处为浅拷贝，不影响只读场景），再用 pd.concat() 沿行方向（axis=0，默认）拼接：
n = 2 result = pd.concat([df] * n, ignore_index=True)
执行后得到：
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：
- ignore_index=True 会重置最终索引为连续整数（0, 1, 2, …），适用于大多数场景；
- 若需保留原始索引（如索引含语义信息），请移除该参数，此时索引将重复出现（0,1,2,0,1,2），也可配合 ignore_index=False + keys 参数添加层级标识；
- 此方法时间复杂度为 O(n×m)，内存友好，不依赖索引结构，对任意 DataFrame 均稳定有效；
- 不推荐使用 pd.concat([df.copy() for _ in range(n)])，虽语义更清晰，但显式循环在大数据量下性能略逊于列表乘法。
总结：当目标是「块级重复」而非「行级展开」时，pd.concat([df] * n) 是简洁、高效、可读性强的标准解决方案。
