如何基于两个已有Pandas DataFrame生成符合特定条件的新DataFrame

这个需求在零售数据整合里挺常见的，我之前做类似业务时也碰到过。核心思路是把All Zones的行单独拆分出来做全量扩展，再和特定区域的匹配结果合并，用Pandas的内置方法就能轻松实现。下面一步步来：

1. 先明确数据结构（示例） #

先假设你的DataFrame结构如下（如果实际列名/结构不同，调整对应字段即可）：

import pandas as pd

# DF_1：存储SKU、价格、区域信息
DF_1 = pd.DataFrame({
    'SKU': ['A100', 'B200', 'C300'],
    'Price': [10.99, 24.99, 15.50],
    'Zone': ['North', 'All Zones', 'South']
})

# DF_2：存储门店ID、区域信息
DF_2 = pd.DataFrame({
    'Store_ID': ['S01', 'S02', 'S03', 'S04'],
    'Zone': ['North', 'North', 'South', 'East']
})

2. 拆分并处理两类数据 #

我们把DF_1分成**"All Zones"行和特定区域行**分别处理：

• 对于All Zones的行：需要和DF_2的所有门店-区域组合做全匹配（笛卡尔积）
• 对于特定区域的行：只和DF_2中对应区域的门店匹配

代码实现 #

# 1. 拆分DF_1为两个子集
df_all_zones = DF_1[DF_1['Zone'] == 'All Zones'].drop(columns='Zone')  # 去掉原Zone列，准备替换为DF_2的所有Zone
df_specific_zones = DF_1[DF_1['Zone'] != 'All Zones']

# 2. 处理"All Zones"的行：生成所有门店-区域组合
df_all_expanded = df_all_zones.merge(DF_2, how='cross')  # cross连接实现笛卡尔积

# 3. 处理特定区域的行：按Zone匹配门店
df_specific_matched = df_specific_zones.merge(DF_2, on='Zone', how='inner')

# 4. 合并两个结果，得到最终的DF_3
DF_3 = pd.concat([df_all_expanded, df_specific_matched], ignore_index=True)

3. 结果说明 #

运行后DF_3会包含：

• SKU B200（原Zone为All Zones）和DF_2中4个门店的所有组合
• SKU A100（原Zone为North）和DF_2中North区域的2个门店组合
• SKU C300（原Zone为South）和DF_2中South区域的1个门店组合

注意事项 #

• 如果DF_1中有多个All Zones的SKU，merge(how='cross')会自动为每个SKU生成所有门店组合
• 如果需要保留DF_1中没有匹配到门店的区域行，可以把how='inner'改成how='left'
• 如果DF_2中有重复的门店-区域记录，结果中也会保留这些重复项（符合业务逻辑的话无需额外处理）

内容的提问来源于stack exchange，提问作者Ty Swenson