如何修正Python Pandas DataFrame循环代码，获取与原数据一致的ID对应组合（避免笛卡尔积重复）

嘿，我懂你的问题——你原来的嵌套循环不小心生成了ID1和ID2的全量笛卡尔积，但你真正想要的是保留原DataFrame里每一行ID1和ID2的对应配对关系，对吧？

为什么原代码会生成笛卡尔积？ #

你的双层循环逻辑是：先遍历ID1的每一个值，然后对每个ID1值，再遍历ID2的所有值，这就导致每个ID1都会和所有ID2组合，自然就产生了笛卡尔积（3个ID1 × 3个ID2 = 9行结果）。

修改后的循环代码 #

要保持原配对关系，我们只需要同时遍历ID1和ID2中位置对应的元素，不需要嵌套循环。用zip()函数就能轻松实现这一点：

import pandas as pd

# 原DataFrame
df = pd.DataFrame({"ID1" : [1,2,3], "ID2" : [44,55,66]})

s_list = list()
t_list = list()

# 用zip同时取ID1和ID2的对应行值
for s, t in zip(df["ID1"].values, df["ID2"].values):
    s_list.append(s)
    t_list.append(t)

result = pd.DataFrame()
result["res1"] = s_list
result["res2"] = t_list

# 输出结果会和原DataFrame的配对一致：(1,44), (2,55), (3,66)
print(result)

更高效的Pandas原生方案（无需循环） #

其实在Pandas里完全没必要用循环来做这件事，直接复制或重命名列就能得到你想要的结果，代码更简洁且性能更好：

# 方案1：重命名列并复制
result = df.rename(columns={"ID1": "res1", "ID2": "res2"}).copy()

# 方案2：直接构造新DataFrame
result = pd.DataFrame({"res1": df["ID1"], "res2": df["ID2"]})

这两种方法都会直接保留原DataFrame的行配对关系，而且比循环更适合处理大规模数据。

内容的提问来源于stack exchange，提问作者dingaro