如何用Pythonic高效方法重复DataFrame并逐天递增日期列

我来给你几个高效又Pythonic的解决方案，完美解决你重复DataFrame同时让日期列逐天递增的需求～

首先先确认你的初始DataFrame，以及关键的第一步：必须把日期列c转换成datetime类型，不然没法进行日期递增操作。先把基础代码写出来：

import pandas as pd
import numpy as np

# 还原你的初始DataFrame
data = {'a': ['c1', 'c2', 'c3', 'c4', 'c5'],
        'b': ['y', 'n', 'n', 'y', 'y'],
        'c': ['2017-10-10']*5}
df = pd.DataFrame(data)

# 转换日期列为datetime类型（这步必不可少！）
df['c'] = pd.to_datetime(df['c'])

接下来给你三种不同的实现方式，按需选择：

方法一：pd.concat + np.repeat 直观易懂 #

这种方法逻辑清晰，适合刚接触pandas的朋友，容易理解：

n = 3  # 你需要重复的次数
base_date = df['c'].iloc[0]

# 生成从基准日期开始的n个连续日期
date_sequence = pd.date_range(base_date, periods=n, freq='D')

# 重复原DataFrame n次
result = pd.concat([df]*n, ignore_index=True)
# 给日期列批量赋值：每个日期对应原DataFrame的所有行
result['c'] = np.repeat(date_sequence, len(df))

方法二：np.tile 替代pd.concat 性能更优 #

如果你的DataFrame行数很多或者重复次数n很大，用numpy的tile方法直接提取行，比pd.concat多个DataFrame的性能更好：

n = 3
base_date = df['c'].iloc[0]
date_sequence = pd.date_range(base_date, periods=n, freq='D')

# 用tile重复原DataFrame的索引，直接取出对应行
result = df.loc[np.tile(df.index, n)].reset_index(drop=True)
# 同样批量赋值日期列
result['c'] = np.repeat(date_sequence, len(df))

方法三：assign + explode 一行代码搞定 #

追求极致简洁的话，这个方法用pandas的assign给每行添加日期列表，再用explode炸开，一行就能完成需求：

n = 3
base_date = df['c'].iloc[0]

result = df.assign(c=[pd.date_range(base_date, periods=n, freq='D')]*len(df)).explode('c').reset_index(drop=True)

这些方法都是批量操作，相比你手动复制多个DataFrame再逐个修改日期，不仅代码更简洁，运行效率也高得多，完全符合Pythonic的风格～

内容的提问来源于stack exchange，提问作者Mohamed Thasin ah