Pandas DataFrame按列值条件重复指定行的实现方法

用原生pandas索引重复方案即可，兼容字符串、数值、时间等所有列类型，不会出现旧方案的类型报错问题。

核心思路 #

• 预先配置不同列值对应的行总保留份数：原行本身占1份，需要额外重复N次就把总份数设为N+1
• 为DataFrame每一行匹配对应的重复次数，未配置规则的行默认保留1份
• 按计算好的次数重复行索引，通过索引直接取值得到结果，最后重置索引即可

可直接运行的示例代码 #

import pandas as pd

# 原始测试数据
data = [['Karan',23],['Rohit',22],['Macron',22], ['Sahil',21],['Aryan',24]]
df = pd.DataFrame(data, columns=['Name','Age'])

# 重复规则配置：key为Age列的目标取值，value为对应行最终保留的总份数
# 示例配置和给出的预期结果对齐：Age=22、24的行各保留2份（原行+额外重复1次）
# 如果需要额外重复2次，将对应value修改为3即可
repeat_config = {22: 2, 24: 2}

# 为每行匹配重复次数
repeat_counts = df['Age'].map(repeat_config).fillna(1).astype(int)
# 按次数重复行，重置废弃旧索引
df_result = df.loc[df.index.repeat(repeat_counts)].reset_index(drop=True)

效果验证 #

执行print(df_result)输出和预期完全一致：

Name  Age
0   Karan   23
1   Rohit   22
2   Rohit   22
3  Macron   22
4  Macron   22
5   Sahil   21
6   Aryan   24
7   Aryan   24

方案特点 #

• 纯pandas实现，不需要额外安装/导入其他计算库
• 全列类型兼容，不存在旧方案处理字符串列失效、报错的问题
• 规则扩展灵活，后续需要新增其他列值的重复逻辑，直接在repeat_config里添加键值对即可
• 执行效率高，比逐行遍历、拼接的实现快数十倍，大数据量场景下也能稳定运行

内容的提问来源于stack exchange，提问作者pranav nerurkar