以有效的方式组合两个数据帧，不重复和反转| Python

Question

我有两个包含数千行的数据框，我需要将它们组合成一个数据框，而不会重复和反转。例如：

数据框 1

drug1
drug2
drug3

数据框 2

disease1
disease2
disease3

因此，输出数据帧将是：

输出数据帧

drug1 disease1
drug1 disease2
drug1 disease3
drug2 disease1
drug2 disease2
drug2 disease3 
drug3 disease1
drug3 disease2
drug3 disease3

我不想要包含以下内容的输出组合：

disease1 drug1
drug1 drug1
disease1 disease1 

我实际上使用pd.merge 尝试它，但它返回重复和还原，并且还需要很长时间，因为我在 Dataframes 1 和 2 中有数千个

有什么帮助吗？

Answer 1

纯粹在pandas 中的一种方法是创建一个MultiIndex from product，然后将其转换为数据框：

>>> df1
       0
0  drug1
1  drug2
2  drug3
>>> df2
          0
0  disease1
1  disease2
2  disease3

df3 = (pd.MultiIndex.from_product([df1[0],df2[0]])
       .to_frame()
       .reset_index(drop=True))

>>> df3
       0         1
0  drug1  disease1
1  drug1  disease2
2  drug1  disease3
3  drug2  disease1
4  drug2  disease2
5  drug2  disease3
6  drug3  disease1
7  drug3  disease2
8  drug3  disease3

Answer 2

试试这个解决方案：

from pandas import DataFrame, merge

df1['key'] = 1
df2['key'] = 1

result = df1.merge(df2, on='key').drop('key', axis=1)

Answer 3

设置

df1 = pd.DataFrame(dict(col1=[f"drug{i}" for i in range(1, 4)]))
df2 = pd.DataFrame(dict(col2=[f"disease{i}" for i in range(1, 4)]))

---

merge 在指定的列上

df1.assign(A=1).merge(df2.assign(A=1)).drop('A', 1)

    col1      col2
0  drug1  disease1
1  drug1  disease2
2  drug1  disease3
3  drug2  disease1
4  drug2  disease2
5  drug2  disease3
6  drug3  disease1
7  drug3  disease2
8  drug3  disease3

---

理解

pd.DataFrame([
    (i, j) for i in df1.col1
           for j in df2.col2
], columns=['col1', 'col2'])

---

pandas.concat

泛化为任意两个数据帧的叉积

i = df1.index.repeat(len(df2))
j = np.tile(df2.index, len(df1))

pd.concat([
    df1.loc[i].reset_index(drop=True),
    df2.loc[j].reset_index(drop=True)
], sort=True, axis=1)