重复指定次数的 DataFrame 行并保持原始顺序

冬涛酱_3086

冬涛酱_3086

2026-03-08

464人浏览

原创

重复指定次数的 DataFrame 行并保持原始顺序

本文介绍如何在 Pandas 中高效、准确地将 DataFrame 的每一行重复 n 次,同时严格保留原始行序(非按索引分组重复),避免使用 index.repeat() 导致的“逐行展开式”乱序问题。

本文介绍如何在 pandas 中高效、准确地将 dataframe 的每一行重复 n 次,同时严格保留原始行序(非按索引分组重复),避免使用 `index.repeat()` 导致的“逐行展开式”乱序问题。

在数据预处理或样本增强等场景中,常需对整个 DataFrame 进行整体重复(例如:训练前复制原始批次、构造时序滑动窗口的基准副本)。此时核心诉求是:每轮重复都完整保留原始行的相对位置与顺序,而非对每行单独重复后拼接(后者会打乱原始结构)。

错误做法(如 df.loc[df.index.repeat(n)])本质是基于索引广播展开,结果为 [A,A,B,B,C,C] —— 它按行内重复,破坏了“块状重复”的逻辑;而正确目标是 [A,B,C,A,B,C],即「先全量输出原表,再全量输出原表」的叠加。

✅ 推荐解法:使用 pd.concat() 沿轴 0(行方向)拼接多个相同 DataFrame 的引用:

import pandas as pd

# 构造示例数据
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:

  • [df] * n 创建包含 n 个相同 DataFrame 引用的列表(内存友好,不深拷贝);
  • ignore_index=True 重置最终索引为连续整数(推荐启用,避免重复索引引发后续操作歧义);
  • 若需保留原始索引(如 0,1,2,0,1,2),则显式设为 ignore_index=False(但需注意:这可能导致索引非唯一,影响 .loc 等操作)。

⚠️ 注意事项:

  • 避免使用 df.iloc[np.arange(len(df)).repeat(n)] 或 df.loc[df.index.repeat(n)],它们均导致行内重复;
  • 对于超大 DataFrame,pd.concat() 默认会触发一次内存拷贝;若需极致性能且确定原 df 不会被修改,可结合 copy=False(Pandas ≥ 2.0)或使用 pd.concat(..., copy=False)(注意兼容性);
  • 若需动态控制不同行的重复次数(非统一 n),则应回归 index.repeat() + df.loc[] 组合,但此时必须配合 sort_index=False(Pandas ≥ 1.5)或手动重建顺序。

总结:pd.concat([df] * n, ignore_index=True) 是实现“整表块状重复”最简洁、可读性最强、语义最清晰的标准方案,兼顾正确性、性能与维护性。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

360

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

1011

25

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

2026.11.17

0

15

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.17

20

15

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

2026.11.17

0

15

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

2026.11.17

0

10

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

2026.11.17

0

11

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

2026.11.17

0

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习