Pandas大数据集笛卡尔积（Cross Join）索引问题求助

• 先把DataFrame的索引转成普通列，避免merge操作丢失索引信息：

  # 将d1、d2的索引重置为列
  d1_reset = d1.reset_index()
  d2_reset = d2.reset_index()
  

• 筛选出参与笛卡尔积的核心字段，避免生成无关列：

  # 仅保留Years、Days（来自d1）和Names（来自d2），同时去重减少计算量
  d1_core = d1_reset[['Years', 'Days']].drop_duplicates()
  d2_core = d2_reset[['Names']].drop_duplicates()
  

• 执行笛卡尔积合并：

  cross_df = d1_core.merge(d2_core, how='cross')
  

• （可选）将结果还原为目标多层索引：

  cross_df = cross_df.set_index(['Years', 'Days', 'Names'])
  

补充说明 #

如果原数据集还有需要保留的业务列，可以先通过上述步骤生成索引的笛卡尔积框架，再用merge或join关联原数据的列，既保证索引逻辑正确，又不会产生冗余列。

内容的提问来源于stack exchange，提问作者Michael W