Pandas无连接列合并DataFrame：多单列全组合实现方法

你遇到的问题本质是要生成三个列的笛卡尔积（也就是所有行的交叉组合），pandas里有几种简单的方法可以实现，不用纠结merge的限制：

方法1：给DataFrame添加临时连接键，用merge实现交叉连接 #

虽然直接用merge没共同列不行，但我们可以给每个DataFrame加一个相同的临时键（比如都赋值为1），这样就能基于这个键做全连接了：

import pandas as pd

# 假设你的三个DataFrame分别是df_store、df_brand、df_date
# 给每个DataFrame添加临时键
df_store['temp_key'] = 1
df_brand['temp_key'] = 1
df_date['temp_key'] = 1

# 逐步合并：先合并store和brand，再合并date
full_combinations = df_store.merge(df_brand, on='temp_key') \
                            .merge(df_date, on='temp_key')

# 最后删掉临时键列
full_combinations = full_combinations.drop('temp_key', axis=1)

这个方法的好处是如果原DataFrame里有重复行（比如同一个store出现多次），会保留这些重复带来的重复组合；如果不需要重复组合，记得先对每个DataFrame做drop_duplicates()。

方法2：用MultiIndex.from_product直接生成笛卡尔积 #

如果你的目标是获取三个列的唯一值的所有组合，这个方法会更高效，因为它先提取每个列的唯一值，再生成所有组合：

# 提取每个列的唯一值列表
unique_stores = df_store['store'].unique()
unique_brands = df_brand['brand'].unique()
unique_dates = df_date['date'].unique()

# 生成所有组合的MultiIndex，再转换为DataFrame
full_combinations = pd.DataFrame(
    data=pd.MultiIndex.from_product(
        [unique_stores, unique_brands, unique_dates],
        names=['store', 'brand', 'date']
    ).tolist(),
    columns=['store', 'brand', 'date']
)

这个方法会自动去重，适合不需要重复组合的场景，性能也更好。

两种方法都能帮你得到想要的所有可能组合，根据你的数据情况选就行~

内容的提问来源于stack exchange，提问作者Lcs