本文介绍如何在 Pandas 中高效地将 DataFrame 的每一行完整重复 n 次，同时严格维持原始行序（即“块状重复”而非“逐行展开”），并对比常见误用方法（如 index.repeat()）导致的顺序错乱问题。
本文介绍如何在 pandas 中高效地将 dataframe 的每一行完整重复 n 次，同时严格维持原始行序（即“块状重复”而非“逐行展开”），并对比常见误用方法（如 `index.repeat()`）导致的顺序错乱问题。
在数据预处理、样本增强或测试数据构造等场景中，常需将整个 DataFrame 按“完整副本”方式重复多次——例如将 3 行数据重复 2 次，得到 6 行结果，且前 3 行为原始顺序，后 3 行为完全相同的再次拼接。这与 df.index.repeat(n) 的行为有本质区别：后者会对每行单独重复 n 次后再按索引排序拼接，导致输出呈“行内展开”（A,A,B,B,C,C），破坏了原始逻辑分组。
✅ 正确做法是使用 pd.concat() 将多个相同 DataFrame 对象沿行方向（axis=0）拼接，并通过列表乘法 [df] * n 快速生成副本序列：
import pandas as pd
# 原始数据
df = pd.DataFrame({
'Column A': ['A', 'B', 'C'],
'Column B': [1, 2, 3]
})
n = 2
result = pd.concat([df] * n, ignore_index=True)
print(result)输出：
Column A Column B 0 A 1 1 B 2 2 C 3 3 A 1 4 B 2 5 C 3
? 关键参数说明：
- ignore_index=True：重置最终索引为连续整数（0, 1, 2, ...），适用于无需保留原始索引的场景；
- 若需保留每份副本内的原始索引（如 0,1,2,0,1,2），则省略该参数或显式设为 False；
- pd.concat(..., axis=0) 是默认行为，可不写，但建议明确以提升可读性。
⚠️ 注意事项：
- 避免使用 df.loc[df.index.repeat(n)] —— 它会触发索引重复 + 位置重排，天然导致“逐行展开”；
- 对于超大 DataFrame，[df] * n 仅复制引用（浅拷贝），内存友好；若需深拷贝（如后续要独立修改副本），应改用 [df.copy() for _ in range(n)]；
- 若需动态控制不同行的重复次数（非统一 n），则应回归 index.repeat() 配合 df.iloc[]，但此时必须额外维护顺序逻辑。
总结：pd.concat([df] * n, ignore_index=True) 是实现“块状重复”最简洁、可靠且语义清晰的方案，兼顾可读性、性能与顺序保真度，推荐作为标准实践。
