如何基于pandas DataFrame值生成完美树结构全组合数据

现有如下结构的pandas DataFrame：

name1  name2  name3
0      1      2      3
1      1      2      1
2      1      3      4

需要将其转换为完美树结构：所有已存在的(name1, name2)上层组合，都要关联name3列的全部去重值，最终预期输出为：

name1  name2  name3
0      1      2      1
1      1      2      3
2      1      2      4
3      1      3      1
4      1      3      3
5      1      3      4

对应树结构示意：

1
                      /  \
                     /    \
                    /      \
                   /        \
                  2          3   
                 /|\        /|\
                / | \      / | \
               1  3  4    1  3  4

原有实现靠append、repeat反复拼接数据，逻辑冗长，需要更简洁的pandas原生实现。

不需要手写循环拼接，pandas原生就支持这类交叉组合场景，推荐两种简洁写法：

• 方法1：交叉合并（推荐，可读性最高、性能稳定）
  核心思路是拆分上层维度、叶子维度两个部分，直接用官方提供的笛卡尔积合并接口生成结果，代码如下：

# 提取原数据中所有存在的上层节点组合，去重
upper_nodes = df[["name1", "name2"]].drop_duplicates()
# 提取叶子节点name3的所有去重值
leaf_nodes = df[["name3"]].drop_duplicates()
# 交叉合并直接生成所有组合，就是需要的完美树结构
result = upper_nodes.merge(leaf_nodes, how="cross").reset_index(drop=True)

注：how="cross"是pandas 1.2.0版本上线的官方参数，专门用于笛卡尔积合并场景，执行效率远高于手写逐行拼接。

• 方法2：迭代器生成全组合
  如果使用的pandas版本较低不支持cross合并，可以用标准库itertools.product生成所有组合后直接转DataFrame：

from itertools import product

# 生成（上层节点组合, 叶子节点值）的全配对
all_pairs = product(
    upper_nodes.itertuples(index=False, name=None),
    leaf_nodes["name3"].to_list()
)
# 展开元组转为DataFrame
result = pd.DataFrame(
    [(n1, n2, n3) for (n1, n2), n3 in all_pairs],
    columns=["name1", "name2", "name3"]
)

避坑提示：不要直接对name1、name2、name3三个字段各自的唯一值做笛卡尔积，否则会生成原数据中不存在的上层节点组合（比如凭空出现name1=1, name2=4这类无效节点），破坏原有树结构。

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