Python：通过唯一组合连接两个 DataFrame 的最简单方法？答案

【问题标题】：Python: Simplest way to join two DataFrames by unique combinations?Python：通过唯一组合连接两个 DataFrame 的最简单方法？
【发布时间】：2021-01-10 07:52:49
【问题描述】：

我有两个 DataFrame：

fuels = pd.DataFrame({'Fuel_Type':['Gasoline', 'Diesel', 'E85']})

years = pd.DataFrame()
years['Year_Model'] = range(2012, 2041)

我想要的输出是一个新的数据框，它将这两个数据框组合为两列，但对于“年”中的每个值，对于“燃料”中的每种独特燃料类型重复它。

换句话说，每个不同的年份应该有 3 次重复，每种燃料都应该重复一次。

我可以在 R 中非常简单地做到这一点：

df <- merge(
         data.frame(years = c(2012:2040)),
         data.frame(fuels = c("Gasoline", "Diesel", "E85")),
         allow.cartesian = T)

我查看了类似问题的答案，例如：

Create all possible combinations of multiple columns in a Pandas DataFrame

Performant cartesian product (CROSS JOIN) with pandas

cartesian product in pandas

但是，要么我似乎无法将答案的代码应用于我自己的数据，要么答案太复杂以至于我无法理解（因为我对 Python 还很陌生）。

有没有一种很好且“易于理解”的方法？

【问题讨论】：

标签： python pandas dataframe join spyder

【解决方案1】：

您发布的第二个链接有一个很好的解决方案，但它还有很多其他内容，因此如果您是 python 新手，可能很难提取。你想要：

df = fuels.assign(key=0).merge(years.assign(key=0), on = 'key').drop('key', 1)

这是一种巧妙的单线，因为我们同时做几件事。我们实际上是在每个数据帧中添加一列 0，加入该列，然后删除该列。以下是它分为几个步骤：

fuels = fuels.assign(key=0) #add a 'key' column to fuels with all 0s for values
years = years.addign(key=0) #add a 'key' column to years with all 0s for values
df = fuels.merge(years, on = 'key') #sql-style join on the key column
df = df.drop('key', 1) #get rid of the key column in the final product

merge 方法默认为内连接，所以我们不需要指定，因为这很好。我们只需要告诉它用on = 'key' 加入右列。 .drop('key', 1) 中的 1 告诉它删除列称为键（1 轴），如果我们没有指定 (.drop('key'))，或者给它一个 0 (.drop('key', 0) )，它会尝试删除一个名为 key 的 row。

【讨论】：

效果很好！谢谢解释^^
@Jacob 已经很好地解释了它。您可以查看我的答案以了解如何编写代码。

【解决方案2】：

以下答案应该对您有所帮助：

import pandas as pd


fuels = pd.DataFrame({'Fuel_Type': ['Gasoline', 'Diesel', 'E85']})

years = pd.DataFrame()
years['Year_Model'] = range(2012, 2041)
fuels['key'] = 1
years['key'] = 1


print(pd.merge(fuels, years, on='key').drop("key", 1))

输出：

   Fuel_Type Year_Model
0   Gasoline       2012
1   Gasoline       2013
2   Gasoline       2014
3   Gasoline       2015
4   Gasoline       2016
..       ...        ...
82       E85       2036
83       E85       2037
84       E85       2038
85       E85       2039
86       E85       2040

[87 rows x 2 columns]

【讨论】：