如何按指定次数重复DataFrame行并正确拼接结果？

现有两个数据结构：

• DataFrame A：

A = pd.DataFrame([[1,2,3,4],
                  [5,6,7,8],
                  [9,10,11,12]])

• 列表 B：[1,2,3]

需要生成DataFrame C，其中A的每一行按照B中对应位置的次数重复，最终结果如下：

C = pd.DataFrame([[1,2,3,4],
                  [5,6,7,8],
                  [5,6,7,8],
                  [9,10,11,12],
                  [9,10,11,12],
                  [9,10,11,12]])

原尝试的代码存在问题：

1. 单循环赋值仅保留最后一次结果：

for i in range(0,2401):
    g = pd.concat([df1.iloc[[i]]]*z[i], ignore_index=True)

2. 用列表收集后拼接的方法可行，但不够简洁且索引易混乱：

result = []
for i in range(0,2401):
    g = pd.concat([df1.iloc[[i]]]*z[i], ignore_index=True)
    result.append(g)

寻求更规范简洁的实现方式。

简洁实现方法 #

方法1：利用numpy.repeat生成重复索引 #

这是效率最高的方案之一，通过生成重复的行索引直接提取目标行：

import pandas as pd
import numpy as np

# 构造示例数据
A = pd.DataFrame([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
B = [1,2,3]

# 生成每行重复对应次数的索引
repeated_indices = np.repeat(A.index, B)
# 提取行并重置索引
C = A.iloc[repeated_indices].reset_index(drop=True)

方法2：优化循环拼接逻辑 #

如果偏好循环思路，可直接在循环中完成拼接，避免额外列表存储：

import pandas as pd

A = pd.DataFrame([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
B = [1,2,3]

C = pd.DataFrame()
for i in range(len(A)):
    # 直接拼接当前行的重复结果到目标DataFrame
    C = pd.concat([C, pd.concat([A.iloc[[i]]]*B[i], ignore_index=True)], ignore_index=True)

注：此方法效率低于方法1，适合小数据量场景。

内容的提问来源于stack exchange，提问作者S.Turk