我正在使用两个数据框，一个用于用户数据:
USER_ID_hash SESSION_ID_hash PURCHASEID_hash SEX_ID
1118263 02445d553744423d4f0ea545b5d0b8e0 47de469df74e5e42a24bfd211fb658c6 m
2669790 1c7af4a49d445da0f6a4b985623e9d78 9a347a9e4ab981bb5e9643d19830ff8e m
1535911 839938507de5eb1a81596499f22cb777 b7dd06ea7277f19c24d322b6257cd73f f
680107 a99a661aedc1597ce13dc85f96fcb23d fdad39b2f01378c59dc53cf5454606fe m
895968 7c233e047f46653273aec2407e46e034 952ab03e8abaa8f9942ea0aaca79bca4 f
1963366 4349579a3398f3155363d67bb5742ca1 225977cc2924ea37d49f190e12aa8511 m
1520880 3964e87932aa3b61f2cc1a58345c2b4c 2a8964196164ca227d2ac7fe14b3f303 f
30698 7afc4e216672636f61dfbad40d9816c6 6bd8061cf66e8d98f6c41c56fd2a86ec m
1370217 0c7eb402632ace5f62fc81eb6139e448 f8e104ef090e8504c7b57b4dce663af3 m
1171336 bad370d216ccd40302da3fb505ba2501 0cdd2301182eb1097b478dc07380c198 m
还有一个带有产品详细信息的:
COUPON_ID_hash DISPEND_MONTH DISPFROM_MONTH VALIDFROM_MONTH VALIDEND_MONTH
70678 34a80aff2d963d28013110789cfdfdb9 11 11
91899 f4ecdf6a1ccd5c4ae83c7a83a9f68454 1 1 1.0 2.0
37526 f0ab02ced0e91e097abc1b3c89a9d9b0 9 9 9.0 2.0
62462 e97a601bc242db11579f7eada35205fd 10 10 11.0 4.0
127695 771941be288930b649c7bb214efe2b07 3 3 3.0 9.0
136313 2faa0e168770fb01a21f3ddf1b23aeab 4 4
156974 c340a7ab46f19c1ba3b57b513f16bead 6 6 6.0 9.0
158450 d84eb4dfc6d0b7bf0e8c50c06d14e4fe 6 6
9992 88419bf4acc9f7e5c3529fc3bde29da6 7 7 7.0 8.0
73509 530aa1bf00c00f02255eeea81559b932 11 11
我想根据他们的 PK 组合来合并它们，它们是:
USER_ID_hash 和 COUPON_ID_hash 并以此创建一个新功能，其中将包含这两个 PK 的所有可能情况。
例如，对于第一个 User_id，我将有十行，每个 Coupon_id 一行，其他 9 个 User_id 也一样。
有没有一个函数可以使这个连接高效？ F1,F2...FN 是输入数据帧的特征。
02445d553744423d4f0ea545b5d0b8e0-34a80aff2d963d28013110789cfdfdb9 F1 F2 FN
02445d553744423d4f0ea545b5d0b8e0-f4ecdf6a1ccd5c4ae83c7a83a9f68454 F1 F2 FN
02445d553744423d4f0ea545b5d0b8e0-f0ab02ced0e91e097abc1b3c89a9d9b0 F1 F2 FN
最佳答案
看起来您想要两个数据帧的笛卡尔积。一种方法是添加一个 key ，它对两个数据帧中的所有值重复，并且 merge他们使用这个 key。
这背后的原因是如 documentation 中所述, 当键组合在两个数据框中出现不止一次时 pd.merge做笛卡尔积:
It is worth spending some time understanding the result of the many-to-many join case. In SQL / standard relational algebra, if a key combination appears more than once in both tables, the resulting table will have the Cartesian product of the associated data.
请注意，在这种情况下，所有类型的合并都会产生相同的结果，这里简单地选择 left，以便结果按与 df1 中相同的出现顺序排序>:
cp = df1.assign(key=0).merge(df2.assign(key=0), how='left', on = 'key')
cp[['USER_ID_hash','COUPON_ID_hash']]
USER_ID_hash COUPON_ID_hash
0 1118263 f4ecdf6a1ccd5c4ae83c7a83a9f68454
1 1118263 34a80aff2d963d28013110789cfdfdb9
2 1118263 f0ab02ced0e91e097abc1b3c89a9d9b0
3 1118263 e97a601bc242db11579f7eada35205fd
4 1118263 771941be288930b649c7bb214efe2b07
5 1118263 2faa0e168770fb01a21f3ddf1b23aeab
6 1118263 c340a7ab46f19c1ba3b57b513f16bead
7 1118263 d84eb4dfc6d0b7bf0e8c50c06d14e4fe
8 1118263 88419bf4acc9f7e5c3529fc3bde29da6
9 1118263 530aa1bf00c00f02255eeea81559b932
10 2669790 f4ecdf6a1ccd5c4ae83c7a83a9f68454
11 2669790 34a80aff2d963d28013110789cfdfdb9
12 2669790 f0ab02ced0e91e097abc1b3c89a9d9b0
关于python - 将 DataFrames 与 Pks 的所有组合合并，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53907526/