我把同一张表组合如下：
pd.concat([df_dates,
df_dates,
df_dates,
df_dates]
如何更简洁地编写代码
【问题讨论】：
pd.concat是做什么的，但是[df_dates, df_dates, df_dates, df_dates]可以写成[df_dates]*4
pd.concat([df_dates]*4])，但你在这之后是什么，这是更短的代码但它不是速度效率，例如pd.DataFrame(np.tile(df_dates), 4, columns = df_dates.columns)会更快
不确定您在效率方面追求什么，但这里有 2 种方法：
In [32]:
df = pd.DataFrame(np.random.randn(3,2), columns=list('ab'))
df
Out[32]:
a b
0 0.108453 -2.875348
1 -1.502857 0.057709
2 0.356384 -0.870802
您可以在列表中重复 df：
In [33]:
pd.concat([df]*4)
Out[33]:
a b
0 0.108453 -2.875348
1 -1.502857 0.057709
2 0.356384 -0.870802
0 0.108453 -2.875348
1 -1.502857 0.057709
2 0.356384 -0.870802
0 0.108453 -2.875348
1 -1.502857 0.057709
2 0.356384 -0.870802
0 0.108453 -2.875348
1 -1.502857 0.057709
2 0.356384 -0.870802
但使用 np.tile 并重复 df 会更快：
In [56]:
pd.DataFrame(np.tile(df,(4,1)), columns= df.columns)
Out[56]:
a b
0 0.108453 -2.875348
1 -1.502857 0.057709
2 0.356384 -0.870802
3 0.108453 -2.875348
4 -1.502857 0.057709
5 0.356384 -0.870802
6 0.108453 -2.875348
7 -1.502857 0.057709
8 0.356384 -0.870802
9 0.108453 -2.875348
10 -1.502857 0.057709
11 0.356384 -0.870802
时间
In [57]:
%timeit pd.concat([df]*4)
%timeit pd.DataFrame(np.tile(df,(4,1)), columns= df.columns)
1000 loops, best of 3: 621 µs per loop
10000 loops, best of 3: 142 µs per loop
在这里您可以看到，即使在这个小型数据集上，numpy 方法的速度也快了 4 倍以上，并且对于大型数据集的扩展性更好，尤其是当您增加重复次数时：
In [65]:
%timeit pd.concat([df]*400)
%timeit pd.DataFrame(np.tile(df,(400,1)), columns= df.columns)
10 loops, best of 3: 37.5 ms per loop
10000 loops, best of 3: 152 µs per loop
对于 400 次重复，我们看到 numpy 的速度要快约 300 倍
更新
感谢@Jeff 指出这一点，如果您的 df 混合了 dtypes（就整个 df 而言，而不是针对特定列而言），那么 dtypes 将被删除：
In [2]:
df = pd.DataFrame({'a':np.random.randn(3),'b':np.arange(3)})
df
Out[2]:
a b
0 -0.016903 0
1 1.440656 1
2 -1.073728 2
In [3]:
pd.DataFrame(np.tile(df,(4,1)), columns= df.columns)
Out[3]:
a b
0 -0.016903 0.0
1 1.440656 1.0
2 -1.073728 2.0
3 -0.016903 0.0
4 1.440656 1.0
5 -1.073728 2.0
6 -0.016903 0.0
7 1.440656 1.0
8 -1.073728 2.0
9 -0.016903 0.0
10 1.440656 1.0
11 -1.073728 2.0
此处“b”列的 int64 dtype 现在已转换为 float64，这在此处是不可取的
【讨论】：
你可以使用
pd.concat([df_dates] * 4)
您可能猜到了，*4 使用了该元素 4 次。
【讨论】：