如何使用Pandas将DataFrame每行复制n次并分配对应类别？

安全阿岳

2026-8-7

Pandas实现DataFrame每行复制并分配类别的最简方法

问题说明

给定初始DataFrame和类别列表：

import pandas as pd
df = pd.DataFrame({'col1': [1,1,2,3], 'col2': [2,4,3,5]})
group_l = ['a', 'b']

初始数据样式：

col1    col2
0    1       2
1    1       4
2    2       3
3    3       5

需要转换为每行复制对应类别次数、新增group列的目标DataFrame：

col1    col2    group
0    1       2       a
1    1       4       a
2    2       3       a
3    3       5       a
0    1       2       b
1    1       4       b
2    2       3       b
3    3       5       b

最简实现方法

方法1：用`merge`生成笛卡尔积（推荐）

Pandas 1.2.0及以上版本支持how='cross'参数，直接生成原DataFrame和类别列表的笛卡尔积，代码简洁且性能优异：

group_df = pd.DataFrame({'group': group_l})
result = df.merge(group_df, how='cross')

这种方式不需要额外的循环或复杂索引操作，底层实现高效，数据量大时优势明显。

方法2：`concat`结合`assign`（兼容旧版本）

如果你的Pandas版本较低，不支持cross合并，可以用列表推导式给每个类别生成带group列的DataFrame，再拼接：

result = pd.concat([df.assign(group=g) for g in group_l], ignore_index=False)

设置ignore_index=False会保留原DataFrame的索引，和目标格式完全匹配；如果不需要原索引，改成True即可。

关于你提到的方案对比

你说pd.MultiIndex.from_product只适用于单列其实不准确，只是实现起来更繁琐：

idx = pd.MultiIndex.from_product([df.index, group_l], names=[None, 'group'])
result = df.reindex(idx.get_level_values(0)).assign(group=idx.get_level_values(1))

但步骤比上面两种方法多，可读性也差一些。