如何按列表重复次数从DataFrame中选行且不改变列顺序？

现有如下Pandas DataFrame：

import pandas as pd

data = {'Date': ['22-08-2021', '12-09-2021', '02-10-2021', '22-11-2021'], 
        'ID': ['A', 'B', 'C', 'O'], 
        'Item':['Apple','Banana','Carrot', 'Orange'], 
        'Cost':[10, 12, 15, 13]}
dataframe = pd.DataFrame(data)

另有ID列表：

index_list = ['A', 'A', 'B', 'B', 'O', 'C', 'C']

需要按照index_list中ID的重复次数与顺序，选取DataFrame中对应行生成目标DataFrame。目前已通过for循环实现，希望找到Pandas内置的更优雅高效的实现方法。

推荐两种Pandas原生的高效实现方式，均无需手动循环：

方法1：使用merge合并 #

将index_list转换为单列DataFrame，再与原DataFrame按ID字段合并，自动匹配并生成对应重复行：

# 把index_list转为DataFrame
id_df = pd.DataFrame({'ID': index_list})
# 合并得到目标DataFrame
result_df = id_df.merge(dataframe, on='ID')

方法2：使用reindex重索引 #

先将原DataFrame的索引设为ID，再通过reindex按照index_list的顺序和重复值重新生成行，最后重置索引：

# 设置ID为索引，重索引后重置索引
result_df = dataframe.set_index('ID').reindex(index_list).reset_index()

两种方法都能得到相同的目标结果，输出示例：

ID        Date    Item  Cost
0  A  22-08-2021   Apple    10
1  A  22-08-2021   Apple    10
2  B  12-09-2021  Banana    12
3  B  12-09-2021  Banana    12
4  O  22-11-2021  Orange    13
5  C  02-10-2021  Carrot    15
6  C  02-10-2021  Carrot    15

这两种方法都利用了Pandas内部优化的向量操作，性能远优于手动for循环，尤其在数据量较大时优势明显。

内容的提问来源于stack exchange，提问作者Henry