高效实现Pandas按列指定次数重复行的方法（替代循环）

你当前基于iterrows循环+concat的方案在大数据集下性能极差，核心问题是Python层面的逐行循环和频繁的DataFrame拼接会带来巨大的时间与内存开销。pandas提供了原生的矢量化操作方案，完全不需要循环或apply，能极大提升处理效率。

最优解决方案（矢量化操作） #

直接利用df.index.repeat()生成重复的索引，再通过loc索引器一次性获取所有重复行：

import pandas as pd

df = pd.DataFrame(data={'col1': list('abc'), 'col2': [2, 2, 3]})

# 核心代码：一次性完成所有行的重复
df_repeated = df.loc[df.index.repeat(df['col2'])]

# 可选：重置索引（如果需要连续的整数索引）
df_repeated = df_repeated.reset_index(drop=True)

运行结果：

为什么这个方法高效？ #

这是pandas的矢量化操作，所有重复逻辑在底层C语言实现，完全避免了Python层面的循环开销，处理十万甚至百万级数据时，速度比逐行循环快100倍以上。

关于你尝试的apply方法（不推荐） #

如果一定要用apply，正确的写法如下，但注意该方法效率远低于上面的矢量化方案，仅适合小数据集：

# apply的正确写法（不推荐用于大数据集）
df_apply = df.apply(lambda row: pd.DataFrame([row.values]*row['col2'], columns=df.columns), axis=1)
df_apply = pd.concat(df_apply.tolist()).reset_index(drop=True)

apply本质还是逐行遍历，和iterrows循环的效率差异不大，只是写法更简洁，大数据集下仍会出现性能瓶颈。

内容的提问来源于stack exchange，提问作者CryptTP