是否有一个 pandas 函数可以将数据帧的每一行复制 n 次，将 n 个类别中的每一个分配给每一行？答案

【问题标题】：Is there a pandas function to duplicate each row of a dataframe n times, assigning each of n categories to each row?是否有一个 pandas 函数可以将数据帧的每一行复制 n 次，将 n 个类别中的每一个分配给每一行？
【发布时间】：2022-12-22 00:45:07
【问题描述】：

最简单的方法是什么：

df = pd.DataFrame({'col1': [1,1,2,3], 'col2': [2,4,3,5]})
group_l = ['a', 'b']
df

    col1    col2
0   1   2
1   1   4
2   2   3
3   3   5

到

    col1    col2    group
0   1   2   a
1   1   4   a
2   2   3   a
3   3   5   a
0   1   2   b
1   1   4   b
2   2   3   b
3   3   5   b

我想到了一些解决方案，但似乎都不是很好。

使用 pd.MultiIndex.from_product，然后重置索引。如果初始 DataFrame 只有一列，这会很好地工作。
添加一个新列group，其中每个元素都是['a', 'b']。使用 pd.DataFrame.explode。感觉效率低下。

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以创建副本，相应地设置组值并连接它们，即

import pandas as pd
df = pd.DataFrame({'col1': [1,1,2,3], 'col2': [2,4,3,5]})
df1 = df.copy()
df2 = df.copy()
df1['group'] = 'A'
df2['group'] = 'B'
df_out = pd.concat([df1,df2])
print(df_out)

给出输出

   col1  col2 group
0     1     2     A
1     1     4     A
2     2     3     A
3     3     5     A
0     1     2     B
1     1     4     B
2     2     3     B
3     3     5     B

【讨论】：

【解决方案2】：

一种方法，使用pd.concat：

group_l = ['a', 'b']
res = pd.concat([df.assign(group=e) for e in group_l], axis=0)
print(res)

输出

   col1  col2 group
0     1     2     a
1     1     4     a
2     2     3     a
3     3     5     a
0     1     2     b
1     1     4     b
2     2     3     b
3     3     5     b

【讨论】：