PySpark教程：如何将DataFrame中的行重复n次？

你说得没错，explode()确实可以用来实现这个需求，不过需要先做个小转换才能让它发挥作用。另外还有一种更直接高效的方法，我都给你详细讲讲：

方法一：使用explode()函数 #

explode()的核心作用是把包含可迭代对象（比如列表、元组）的列拆分成多行，所以我们可以先给每行生成一个长度等于n的列表，再通过explode()完成拆分：

首先先构造你的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [2, 9, 8, 1, 3],
    'n': [1, 1, 2, 1, 3]
})

然后执行以下步骤实现行重复：

# 添加临时列，每行生成一个长度等于n的列表（元素内容不影响，只要长度匹配就行）
df['temp_list'] = df['n'].apply(lambda x: [x] * x)
# 对临时列执行explode，把列表拆分成多行
result = df.explode('temp_list')
# 删除临时列，得到最终结果
result = result.drop('temp_list', axis=1)

你也可以把这些步骤合并成链式操作，代码更简洁：

result = df.assign(temp_list=lambda x: x['n'].apply(lambda y: [y]*y)) \
           .explode('temp_list') \
           .drop('temp_list', axis=1)

方法二：使用index.repeat()（更高效直接） #

这种方法不需要额外构造临时列，直接通过重复行索引来实现行重复，代码更简洁高效：

result = df.loc[df.index.repeat(df['n'])]

验证结果 #

两种方法运行后，得到的结果都和你期望的完全一致：

A  B  n
0  1  2  1
1  2  9  1
2  3  8  2
2  3  8  2
3  4  1  1
4  5  3  3
4  5  3  3
4  5  3  3

如果你的DataFrame数据量较大，index.repeat()的执行效率会更高；如果更习惯explode()的思路，第一种方法也完全可以满足需求～

内容的提问来源于stack exchange，提问作者Chjul