Pandas：如何简洁实现两个DataFrame的笛卡尔积连接？

嘿，你要的其实就是两个DataFrame的笛卡尔积（也就是把每个DataFrame的每一行两两组合），不用再折腾繁琐的key合并啦，这里有几个更直观、更具Python风格的实现方式：

方法一：用pandas内置的交叉连接（推荐） #

从pandas 1.2.0版本开始，merge方法新增了how='cross'参数，直接就能实现笛卡尔积，这是最简洁直观的方案：

import pandas as pd

fred = pd.DataFrame({'A':[1., 4.],'B':[2., 5.], 'C':[3., 6.]})
jim = pd.DataFrame({'one':['a', 'c'],'two':['b', 'd']})

# 一行代码完成组合式连接
result = pd.merge(fred, jim, how='cross')
print(result)

运行后输出：

A    B    C one two

0 1.0 2.0 3.0 a b
1 1.0 2.0 3.0 c d
2 4.0 5.0 6.0 a b
3 4.0 5.0 6.0 c d

方法二：兼容旧版pandas的临时key方案 #

如果你还在使用低于1.2.0的pandas版本，可以通过添加一个临时的统一key来实现，比你之前的方法更简洁：

import pandas as pd

fred = pd.DataFrame({'A':[1., 4.],'B':[2., 5.], 'C':[3., 6.]})
jim = pd.DataFrame({'one':['a', 'c'],'two':['b', 'd']})

# 添加临时key列，合并后删除
fred['temp_key'] = 1
jim['temp_key'] = 1
result = pd.merge(fred, jim, on='temp_key').drop('temp_key', axis=1)
print(result)

方法三：用itertools.product实现纯Python风格的组合 #

如果你想更贴近Python原生的思路，可以用itertools.product生成所有行的笛卡尔积，再转为DataFrame：

import pandas as pd
from itertools import product

fred = pd.DataFrame({'A':[1., 4.],'B':[2., 5.], 'C':[3., 6.]})
jim = pd.DataFrame({'one':['a', 'c'],'two':['b', 'd']})

# 生成所有行的组合
row_combinations = product(fred.itertuples(index=False), jim.itertuples(index=False))
# 转换为DataFrame并设置列名
result = pd.DataFrame(
    [tuple(fred_row) + tuple(jim_row) for fred_row, jim_row in row_combinations],
    columns=list(fred.columns) + list(jim.columns)
)
print(result)

各方法对比 #

• 方法一：最推荐，代码简洁易读，是pandas官方支持的标准方案，性能最优。
• 方法二：兼容旧版本，但需要额外处理临时列，略繁琐。
• 方法三：纯Python风格，适合理解笛卡尔积的底层逻辑，但大数据量下性能不如pandas内置的merge方法。

内容的提问来源于stack exchange，提问作者FredDref