如何实现DataFrame的元素行列重复扩展（将3×3格式转换为3n×3n格式）

针对你提出的需求，我们可以通过两种简洁的方式实现：一种是利用numpy的向量化操作（推荐，效率更高），另一种是使用pandas的原生方法。下面结合n=2的例子详细说明：

方法一：使用numpy快速实现（推荐） #

numpy的repeat函数可以指定轴方向重复元素，完美匹配我们的需求：先在列方向把每个元素重复n次，再在行方向把每一行重复n次。

import numpy as np
import pandas as pd

# 初始化原始DataFrame
X = pd.DataFrame([[0,1,2], [1,0,3], [2,3,0]])
n = 2

# 第一步：沿列轴（axis=1）重复每个元素n次，得到3×(3n)的矩阵
col_expanded = np.repeat(X.values, n, axis=1)
# 第二步：沿行轴（axis=0）重复每一行n次，得到(3n)×(3n)的最终矩阵
final_matrix = np.repeat(col_expanded, n, axis=0)

# 转换回DataFrame格式
result_df = pd.DataFrame(final_matrix)
print(result_df)

代码解释： #

• X.values：提取DataFrame底层的numpy数组，方便进行向量化操作；
• np.repeat(..., axis=1)：对每个元素在**横向（列方向）**重复n次，比如原行[0,1,2]会变成[0,0,1,1,2,2]；
• np.repeat(..., axis=0)：对每一行在**纵向（行方向）**重复n次，比如上面的行会连续出现两次；
• 最终转换回DataFrame后，就是你期望的6×6矩阵。

方法二：使用pandas原生方法实现 #

如果你更倾向于纯pandas操作，可以通过apply和索引重复来实现：

import pandas as pd
import numpy as np

X = pd.DataFrame([[0,1,2], [1,0,3], [2,3,0]])
n = 2

# 第一步：对每行的元素在列方向重复n次，生成3×6的DataFrame
col_expanded = X.apply(lambda row: np.repeat(row, n), axis=1).apply(pd.Series)
# 第二步：重复每行n次，生成6×6的最终DataFrame
result_df = col_expanded.loc[col_expanded.index.repeat(n)].reset_index(drop=True)

print(result_df)

代码解释： #

• X.apply(lambda row: np.repeat(row, n), axis=1)：遍历每行，将行内每个元素重复n次，得到包含numpy数组的Series；
• .apply(pd.Series)：将数组转换为多列，得到3×6的DataFrame；
• col_expanded.index.repeat(n)：将原索引（0、1、2）各自重复n次，通过loc索引后实现行的重复；
• reset_index(drop=True)：重置索引，得到干净的结果。

两种方法都能得到你期望的结果，其中numpy的方法在处理大规模矩阵时效率会更高哦～

内容的提问来源于stack exchange，提问作者xc-2021