如何以更简洁的Pandas方式固定次数复制DataFrame行？

需求回顾 #

现有带Year列的DataFrame，需要将同一年份的每行复制12次，再为复制后的行依次添加1-12的Months列。当前用for循环实现有效，但想换成更简洁的Pandas原生写法。

原循环代码 #

all_years = dataframe["Year"].unique().tolist()
new_dataset = pd.DataFrame()
for idx, year in enumerate(all_years):
    rows_dataframe = pd.concat(
        [dataframe.where(dataframe["Year"] == year).dropna()] * 12,
        ignore_index=True)
    new_dataset = pd.concat([rows_dataframe, new_dataset], ignore_index=True)

优化方案（两种Pandas风格写法） #

方法1：用explode快速展开列表（最简洁）

先给每行添加一个包含1-12的月份列表，再通过explode将列表拆分为单独行，一步完成复制+月份赋值：

# 为每行添加包含1-12的月份列表
dataframe['Months'] = [list(range(1, 13))] * len(dataframe)
# 展开列表为单独行，自动生成对应月份
new_dataset = dataframe.explode('Months', ignore_index=True)
# 可选：将Months转换为整数类型
new_dataset['Months'] = new_dataset['Months'].astype(int)

方法2：用repeat+groupby.cumcount

先重复每行12次，再通过分组计数生成月份：

# 重复每行12次，重置索引
df_repeated = dataframe.loc[dataframe.index.repeat(12)].reset_index(drop=True)
# 每12行一组（对应原始一行的12次复制），生成1-12的月份
df_repeated['Months'] = df_repeated.groupby(df_repeated.index // 12).cumcount() + 1

效果说明 #

两种方法都能实现：每个原始行生成12条记录，分别对应1到12月，完全替代原循环逻辑，且避免了循环拼接的性能损耗（数据量大时优势明显）。

内容的提问来源于stack exchange，提问作者Sam