Pandas 通过使用新的多索引重复一行来创建数据帧

在熊猫中，我有一个系列和一个多索引：

s = pd.Series([1,2,3,4], index=['w', 'x', 'y', 'z'])
idx = pd.MultiIndex.from_product([['a', 'b'], ['c', 'd']])

对于我来说，创建一个以idx作为索引、以s作为每行的值、以s作为列保存索引的数据帧的最佳方法是什么

df =
       w   x   y   z
a  c   1   2   3   4
   d   1   2   3   4
b  c   1   2   3   4
   d   1   2   3   4

---

使用

pd.DataFrame

构造函数，后跟

assign

pd.DataFrame(index=idx).assign(**s)

     w  x  y  z
a c  1  2  3  4
  d  1  2  3  4
b c  1  2  3  4
  d  1  2  3  4

使用[s]*len（s）作为数据，idx作为索引，s.index作为列来重建df

pd.DataFrame([s]*len(s),idx,s.index)
Out[56]: 
     w  x  y  z
a c  1  2  3  4
  d  1  2  3  4
b c  1  2  3  4
  d  1  2  3  4

对于重复数据和最后一个

DataFrame

构造函数，可以使用：

arr = np.repeat(s.values, len(idx)).reshape(-1, len(idx))
df = pd.DataFrame(arr, index=idx, columns=s.index)
print (df)
     w  x  y  z
a c  1  1  1  1
  d  2  2  2  2
b c  3  3  3  3
  d  4  4  4  4

计时：

np.random.seed(123)
s = pd.Series(np.random.randint(10, size=1000))
s.index = s.index.astype(str)
idx = pd.MultiIndex.from_product([np.random.randint(10, size=250), ['a','b','c', 'd']])

In [32]: %timeit (pd.DataFrame(np.repeat(s.values, len(idx)).reshape(len(idx), -1), index=idx, columns=s.index))
100 loops, best of 3: 3.94 ms per loop

In [33]: %timeit (pd.DataFrame(index=idx).assign(**s))
1 loop, best of 3: 332 ms per loop

In [34]: %timeit pd.DataFrame([s]*len(idx),idx,s.index)
10 loops, best of 3: 82.9 ms per loop

---

这是一个非常聪明的解决方案！这太有趣了。我唯一要注意的是，

assign

根据索引对

s

的顺序进行无序排列（请参见中的注释部分）。因此，如果索引名是

['w'，'x'，'y'，'a']

，那么

a列将跳到前面。但这对我来说没关系。这只是巧合，因为
len（s）==len（idx）
。尝试
s=pd.Series（[0,1,2,3,4]，index=['v'，'w'，'x'，'y'，'z'））
失败。您想要的是这个
pd.DataFrame（[s]*len（idx），idx，s.index）
谢谢！我从你对这个（和其他）问题的回答中学到了很多，在熊猫的内部，速度和语法本地化之间存在着一种权衡。我现在明白了，如果我能更多地求助于numpy，我的速度就会提高！是的，如果性能不重要，那么所有的解决方案都很好，很好！