下面的代码应该可以很好地扩展DataFrame的大小，因为它不会覆盖行，也不会创建中间的DataFrame。

import pandas as pd

df = pd.DataFrame(columns=['a','b'],data=[[3,4],
    [5,5],[9,3],[1,2],[9,9],[6,5],[6,5],[6,5],[6,5],
    [6,5],[6,5],[6,5],[6,5],[6,5],[6,5],[6,5],[6,5]])

def add_empty_rows(df, n_empty, period):
    """ adds 'n_empty' empty rows every 'period' rows  to 'df'. 
        Returns a new DataFrame. """
    
    # to make sure that the DataFrame index is a RangeIndex(start=0, stop=len(df)) 
    # and that the original df object is not mutated. 
    df = df.reset_index(drop=True)
    
    # length of the new DataFrame containing the NaN rows
    len_new_index = len(df) + n_empty*(len(df) // period)
    # index of the new DataFrame
    new_index = pd.RangeIndex(len_new_index)
    
    # add an offset (= number of NaN rows up to that row) 
    # to the current df.index to align with new_index. 
    df.index += n_empty * (df.index
                             .to_series()
                             .groupby(df.index // period)
                             .ngroup())
    
    # reindex by aligning df.index with new_index. 
    # Values of new_index not present in df.index are filled with NaN.
    new_df = df.reindex(new_index)
    
    return new_df

测试：

# original df
>>> df

    a  b
0   3  4
1   5  5
2   9  3
3   1  2
4   9  9
5   6  5
6   6  5
7   6  5
8   6  5
9   6  5
10  6  5
11  6  5
12  6  5
13  6  5
14  6  5
15  6  5
16  6  5

# add 2 empty rows every 3 rows
>>> add_empty_rows(df, 2, 3)

      a    b
0   3.0  4.0
1   5.0  5.0
2   9.0  3.0
3   NaN  NaN
4   NaN  NaN
5   1.0  2.0
6   9.0  9.0
7   6.0  5.0
8   NaN  NaN
9   NaN  NaN
10  6.0  5.0
11  6.0  5.0
12  6.0  5.0
13  NaN  NaN
14  NaN  NaN
15  6.0  5.0
16  6.0  5.0
17  6.0  5.0
18  NaN  NaN
19  NaN  NaN
20  6.0  5.0
21  6.0  5.0
22  6.0  5.0
23  NaN  NaN
24  NaN  NaN
25  6.0  5.0
26  6.0  5.0

# add 5 empty rows every 4 rows
>>> add_empty_rows(df, 5, 4)

      a    b
0   3.0  4.0
1   5.0  5.0
2   9.0  3.0
3   1.0  2.0
4   NaN  NaN
5   NaN  NaN
6   NaN  NaN
7   NaN  NaN
8   NaN  NaN
9   9.0  9.0
10  6.0  5.0
11  6.0  5.0
12  6.0  5.0
13  NaN  NaN
14  NaN  NaN
15  NaN  NaN
16  NaN  NaN
17  NaN  NaN
18  6.0  5.0
19  6.0  5.0
20  6.0  5.0
21  6.0  5.0
22  NaN  NaN
23  NaN  NaN
24  NaN  NaN
25  NaN  NaN
26  NaN  NaN
27  6.0  5.0
28  6.0  5.0
29  6.0  5.0
30  6.0  5.0
31  NaN  NaN
32  NaN  NaN
33  NaN  NaN
34  NaN  NaN
35  NaN  NaN
36  6.0  5.0

可以循环访问行，每隔三行添加两行

data = [[row.tolist(), [pd.NA]*len(row), [pd.NA]*len(row)]
        if (idx+1) % 3 == 0 else [row.tolist()]
        for idx, row in df.iterrows()]

out = pd.DataFrame([i for lst in data for i in lst], columns=df.columns)

print(data)

[[[3, 4]],
 [[5, 5]],
 [[9, 3], [<NA>, <NA>], [<NA>, <NA>]],
 [[1, 2]],
 [[9, 9]],
 [[6, 5], [<NA>, <NA>], [<NA>, <NA>]],
 [[6, 5]],
 [[6, 5]],
 [[6, 5], [<NA>, <NA>], [<NA>, <NA>]],
 [[6, 5]],
 [[6, 5]],
 [[6, 5], [<NA>, <NA>], [<NA>, <NA>]],
 [[6, 5]],
 [[6, 5]],
 [[6, 5], [<NA>, <NA>], [<NA>, <NA>]],
 [[6, 5]],
 [[6, 5]]]

print(out)

       a     b
0      3     4
1      5     5
2      9     3
3   <NA>  <NA>
4   <NA>  <NA>
5      1     2
6      9     9
7      6     5
8   <NA>  <NA>
9   <NA>  <NA>
10     6     5
11     6     5
12     6     5
13  <NA>  <NA>
14  <NA>  <NA>
15     6     5
16     6     5
17     6     5
18  <NA>  <NA>
19  <NA>  <NA>
20     6     5
21     6     5
22     6     5
23  <NA>  <NA>
24  <NA>  <NA>
25     6     5
26     6     5

试试这个：

(pd.concat([df,pd.DataFrame([[np.NaN]*2],
index = [i for i in df.index if i%3 == 2] * 2,
columns = list('ab'))])
.sort_index()
.reset_index(drop=True))

或

count = 3
n = 2

(df.reindex(
    df.index.union([i+.5 for i in range(count-1,len(df),count) for _ in range(n)]))
    .reset_index(drop=True))

或

count = 3
n = 2

(df.reindex(
    df.index.union(np.repeat(df.index[np.arange(count-1,len(df),count)] + .5,n)))
    .reset_index(drop=True))

输出量：

a   b
0   3.0 4.0
1   5.0 5.0
2   9.0 3.0
3   NaN NaN 
4   NaN NaN 
5   1.0 2.0
6   9.0 9.0
7   6.0 5.0
8   NaN NaN 
9   NaN NaN 
10  6.0 5.0
11  6.0 5.0
12  6.0 5.0
13  NaN NaN 
14  NaN NaN 
15  6.0 5.0
16  6.0 5.0
17  6.0 5.0
18  NaN NaN 
19  NaN NaN 
20  6.0 5.0
21  6.0 5.0
22  6.0 5.0
23  NaN NaN 
24  NaN NaN 
25  6.0 5.0
26  6.0 5.0