Python中如何按分组合并数据集并为每个分组重置日期序列

需求为两个单字段数据集做笛卡尔积组合：每个分组值匹配全部日期值，最终输出9条记录的结果集，以下是不同场景下的可落地方案：

Pandas 实现（Python 数据处理场景） #

方法1：乘积索引生成（性能最优，推荐） #

直接通过pandas内置的多层索引乘积方法生成所有值的组合，无需额外临时字段，处理大数据集时效率最高：

import pandas as pd

# 初始化示例源数据
df1 = pd.DataFrame({'Date': ['2021-01-01', '2021-01-02', '2021-01-03']})
df2 = pd.DataFrame({'Group': ['A', 'B', 'C']})

# 生成全量组合
dfdesired = pd.MultiIndex.from_product(
    [df2['Group'], df1['Date']],
    names=['Group', 'Date']
).to_frame(index=False).reindex(columns=['Date', 'Group'])

方法2：辅助键等值连接（逻辑直观，易理解） #

给两个数据集添加值恒为1的临时字段，通过等值内连接实现笛卡尔积效果，逻辑和SQL交叉连接一致，新手易理解：

# 添加统一临时连接键
df1['join_key'] = 1
df2['join_key'] = 1

# 连接后删除临时键，调整字段顺序
dfdesired = df2.merge(df1, on='join_key').drop(columns=['join_key'])[['Date', 'Group']]

SQL 实现（数据库查询场景） #

直接使用CROSS JOIN交叉连接语法即可得到全量组合结果：

SELECT
  d.Date,
  g.Group
FROM df1 d
CROSS JOIN df2 g
ORDER BY g.Group, d.Date;

结果校验 #

最终输出的dfdesired共9条记录，结构符合预期：

• A组：匹配2021-01-01、2021-01-02、2021-01-03三个日期
• B组：匹配2021-01-01、2021-01-02、2021-01-03三个日期
• C组：匹配2021-01-01、2021-01-02、2021-01-03三个日期

内容的提问来源于stack exchange，提问作者user17582908