Python-两个dataframe用for循环求笛卡尔积

Posted 2021-02-21 何未生

合并两个没有共同列的dataframe，相当于按行号求笛卡尔积。

最终效果如下

以下代码是参考别人的代码修改的：

def cartesian_df(A,B):
        new_df = pd.DataFrame(columns=list(A).extend(list(B)))
        for _,A_row in A.iterrows():
            for _,B_row in B.iterrows():
                row = A_row.append(B_row)
                new_df = new_df.append(row,ignore_index=True)
        return new_df
#这个方法，如果两张表列名重复会出错

这段代码的思路是对两个表的每一行进行循环，运行速度比较慢，复杂度应该是O(m*n)，m是A表的行数，n是B表的行数。

因为我用到的合并表行数比较多，时间太慢，所以针对上面的代码进行了优化。

思路是利用dataframe的merge功能，先循环复制A表，将循环次数添加为列，直接使用merge合并，复杂度应该为O(n)（n是B表的行数），代码如下：

def cartesian_df(df_a,df_b):
    \'求两个dataframe的笛卡尔积\'
    #df_a 复制n次，索引用复制次数
    new_df_a = pd.DataFrame(columns=list(df_a))
    for i in range(0,df_b.shape[0]):
        df_a[\'merge_index\'] = i
        new_df_a = new_df_a.append(df_a,ignore_index=True)
    #df_b 设置索引为行数
    df_b.reset_index(inplace = True, drop =True)
    df_b[\'merge_index\'] = df_b.index
    #merge
    new_df = pd.merge(new_df_a,df_b,on=[\'merge_index\'],how=\'left\').drop([\'merge_index\'],axis = 1)
    return new_df

#两个原始表中不能有列名\'merge_index\'

使用一张8行的表和一张142行的表进行测试，优化前的方法用时：5.560689926147461秒

优化后的方法用时：0.1296539306640625秒（142行的表作为b表）

根据计算原理，将行数少的表放在b表可以更快，测试用时：0.021603107452392578秒（8行的表作为b表）

这个速度已经达到预期，基本感觉不到等待，优化完成。