如何通过df.iloc合并同结构子DataFrame？解决索引越界错误及寻求替代方案

看起来你遇到了两个核心问题：一是循环遍历时候的索引越界错误，二是想找到更高效的方式实现「每个子DataFrame复制自身后合并」的需求。我来帮你一步步拆解解决：

一、先解决索引越界的直接问题 #

你报错的IndexError: single positional indexer is out-of-bounds，本质是你写了固定的range(0,190)，但你的数据集实际行数可能不足190（比如可能是189行或者其他数量）。解决这个很简单，把循环范围改成基于数据集实际行数：

import pandas as pd

# 初始化空的结果DataFrame
result = pd.DataFrame()
# 遍历数据集的每一行，用len(df)确保不会越界
for i in range(len(df)):
    # 复制当前子DataFrame并合并
    temp_df = pd.concat([df.iloc[i], df.iloc[i]])
    result = pd.concat([result, temp_df], ignore_index=True)

这样就不会再触发索引越界的错误了。

二、更高效的替代方案（避免循环多次concat） #

上面的循环方法虽然能解决问题，但每次循环都执行pd.concat会不断创建新的DataFrame，效率偏低。推荐用以下两种更简洁高效的方式：

方法1：用apply批量处理子DataFrame #

通过apply对主DataFrame的每一行（子DataFrame）执行「复制自身」的操作，最后一次性合并所有结果：

# 对每个子DataFrame执行concat自身，再合并所有处理后的子DataFrame
result = pd.concat(df.apply(lambda x: pd.concat([x, x]), axis=1).tolist(), ignore_index=True)

方法2：列表推导式预生成所有子DataFrame #

先把所有需要合并的子DataFrame（包括复制后的）放到列表里，再一次性concat：

# 先获取所有原始子DataFrame的列表
original_sub_dfs = [df.iloc[i] for i in range(len(df))]
# 生成包含复制后子DataFrame的列表（每个子DataFrame出现2次）
all_sub_dfs = [sub_df.copy() for sub_df in original_sub_dfs for _ in range(2)]
# 一次性合并所有子DataFrame
result = pd.concat(all_sub_dfs, ignore_index=True)

这两种方法都避免了循环中多次合并的性能损耗，代码也更简洁易读。

补充说明 #

你的主DataFrame结构比较特殊——每一行都是一个嵌套的子DataFrame，这种结构在处理时要注意：

• 确保df.iloc[i]返回的确实是一个合法的子DataFrame（而不是Series）
• 如果后续还有类似的嵌套数据处理需求，可以考虑先把主DataFrame展开成扁平结构，再进行操作，会更方便

内容的提问来源于stack exchange，提问作者Mark