使用split、mul和explode：

ser = df["UserID"].str.split(r"\x00").mul(df["num_attempts"]).explode()

感谢 @Corralien，我们使用r"\x00"（* 表示Unicode中的空字符 *）作为正则表达式模式，以潜在地防止在空白处发生拆分。
Ouptut：

0    abc123
0    abc123
0    abc123
0    abc123
1    def234
1    def234
1    def234
dtype: object

如果你需要一个 DataFrame，用途：

(df["UserID"].str.split(r"\x00").mul(df["num_attempts"])
       .explode().reset_index(drop=True).to_frame("result_col"))

另一种可能的解决方案：

pd.Series(
    [[x[0]] * x[1] for x in zip(df['UserID'], df['num_attempts'])], 
    name='result_col').explode()

或者，更简洁地说：

pd.Series([[x[0]] * x[1] for x in zip(*df.values.T)], 
    name='result_col').explode()

输出：

0    abc123
0    abc123
0    abc123
0    abc123
1    def234
1    def234
1    def234
Name: result_col, dtype: object

在重新索引 Dataframe 之前使用Index.repeat：

>>> df['UserID'].reindex(df.index.repeat(df['num_attempts']))
0    abc123
0    abc123
0    abc123
0    abc123
1    def234
1    def234
1    def234
Name: UserID, dtype: object

为了获得预期的结果，请执行以下操作：

out = (df['UserID'].reindex(df.index.repeat(df['num_attempts']))
                   .to_frame('result_col').reset_index(drop=True))
print(out)

# Output
  result_col
0     abc123
1     abc123
2     abc123
3     abc123
4     def234
5     def234
6     def234

另一种方式使用numpy和DataFrame构造函数：

import numpy as np

pd.DataFrame(np.repeat(df['UserID'], df['num_attempts']).tolist(), 
             columns=['result_col'])
print(df)

# Output
  result_col
0     abc123
1     abc123
2     abc123
3     abc123
4     def234
5     def234
6     def234