Pandas如何按指定分组配对规则实现组内笛卡尔积拼接

核心逻辑是先给需要配对的分组打上统一的配对ID，再按配对ID做关联合并，自动完成组内全量遍历拼接，无需手动写多层循环，扩展性强。

完整实现代码 #

import pandas as pd

# 加载原始数据
df1 = pd.DataFrame({'feature1':['a1','a1','a1','b1','b1','b1'], 'value': [1,2,3,4,5,6]})
df2 = pd.DataFrame({'feature1':['c1','c1','c1','c2','c2','c2'], 'value2': [1,2,3,1,2,3]})

# 按分组出现顺序分配配对ID，同序号的组为一对
# 注意加sort=False保证分组顺序和数据里的出现顺序一致，不会自动排序打乱配对
df1['pair_id'] = df1.groupby('feature1', sort=False).ngroup()
df2['pair_id'] = df2.groupby('feature1', sort=False).ngroup()

# 重命名df2的特征列，和目标表结构对齐
df2 = df2.rename(columns={'feature1': 'feature2'})

# 按配对ID内连接，自动实现同配对组内的笛卡尔积，删除临时配对ID列得到结果
result = df1.merge(df2, on='pair_id', how='inner').drop(columns='pair_id')

运行后输出的result完全匹配你给出的目标表结构和数据。

扩展说明 #

• 该方案性能远高于手写列表循环，哪怕配对组数量到上百组、单组数据量较大也能稳定运行。
• 如果你的配对规则不是「两个表按分组出现顺序一一对应」，可以自定义配对映射表替换ngroup()的逻辑，示例如下：

# 自定义配对关系示例：a1配c2、b1配c1
pair_map_df1 = {'a1': 0, 'b1': 1}
pair_map_df2 = {'c2': 0, 'c1': 1}
df1['pair_id'] = df1['feature1'].map(pair_map_df1)
df2['pair_id'] = df2['feature1'].map(pair_map_df2)
# 后续merge逻辑和上面完全一致

• 你之前的实现错误原因是直接对全量value列做笛卡尔积，没有通过分组标记做组间隔离，才会出现大量跨组的错误配对。

内容的提问来源于stack exchange，提问作者hy0916