按单元格值复制行并追加至Pandas DataFrame的实现需求

嘿，这个需求其实可以用Pandas的几个核心函数轻松实现，我给你准备了两种符合要求的方案，分别对应完全复制行和带复制标记区分原行/复制行的呈现形式，一起来看看吧！

首先先还原你的原始DataFrame：

import pandas as pd

df = pd.DataFrame(
    {'X':('a','b','c','d'), 
     'Y':('a','b','d','e'), 
     'Z':('a','b','c','d'), 
     '#':(1,2,1,3)
    }
)

方案一：完全复制行的形式 #

这个方案会直接将需要复制的行按要求重复，最终结果里原行和复制行完全一致，没有额外标记：

import numpy as np

# 计算每一行需要保留/复制的总次数：原行1次 + （#值-1）次复制，所以总次数就是#列的值
repeat_counts = df['#'].values
# 根据次数重复行索引
repeated_indices = np.repeat(df.index, repeat_counts)
# 基于重复后的索引构造新的DataFrame
result_full_copy = df.loc[repeated_indices].reset_index(drop=True)

执行后result_full_copy的结果：

可以看到第二行（#=2）被复制了1次，第四行（#=3）被复制了2次，完全符合需求。

方案二：带复制标记的形式 #

如果需要区分原行和复制出来的行，可以添加一个标记列，原行标记为False，复制行标记为True：

# 给每行生成一个标记列表：原行是False，复制的行是True，数量对应#值的次数
df['is_copy'] = df['#'].apply(lambda x: [False] + [True]*(x-1))
# 展开列表，同时将对应的行复制
result_with_flag = df.explode('is_copy').reset_index(drop=True)

执行后result_with_flag的结果：

这个方案在保留需求功能的同时，能清晰区分哪些是原始行，哪些是复制生成的行，方便后续的数据分析操作。

内容的提问来源于stack exchange，提问作者Zanshin