如何基于booklines的列值程序化复制pandas中matches_df的行？

当然可以，直接从booklines中提取Nums列的数值来动态控制复制次数即可，以下是几种简洁的实现方式：

方法一：使用pd.concat动态拼接 #

import pandas as pd
data = [10]
booklines = pd.DataFrame(data,columns=['Nums'])
matches = {'Fullname':['Sasel - Dassendorf'],'HomeTeam':['Sasel'],'AwayTeam':['Dassendorf']}
matches_df = pd.DataFrame(matches)

# 从booklines中提取复制次数
repeat_count = booklines['Nums'].iloc[0]
# 动态复制并合并，重置索引避免重复
result_df = pd.concat([matches_df]*repeat_count, ignore_index=True)

方法二：通过索引重复生成新表 #

# 提取复制次数
repeat_count = booklines['Nums'].iloc[0]
# 重复原表索引后重构DataFrame，最后重置索引
result_df = matches_df.loc[matches_df.index.repeat(repeat_count)].reset_index(drop=True)

方法三：用numpy.tile批量重复（适合大数量场景） #

import numpy as np

repeat_count = booklines['Nums'].iloc[0]
# 重复原表的数值数组，再重构为DataFrame
result_df = pd.DataFrame(np.tile(matches_df.values, (repeat_count, 1)), columns=matches_df.columns)

以上方法都无需手动指定数值10，完全依赖booklines中的Nums值动态控制复制次数，最终生成的result_df会包含10行与原matches_df完全一致的数据。

内容的提问来源于stack exchange，提问作者Paul Corcoran