溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了Python如何通過兩個dataframe用for循環求笛卡爾積，內容簡而易懂，希望大家可以學習一下，學習完之后肯定會有收獲的，下面讓小編帶大家一起來看看吧。
合并兩個沒有共同列的dataframe，相當于按行號求笛卡爾積。
最終效果如下
以下代碼是參考別人的代碼修改的：
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
#這個方法，如果兩張表列名重復會出錯這段代碼的思路是對兩個表的每一行進行循環，運行速度比較慢，復雜度應該是O(m*n)，m是A表的行數，n是B表的行數。
因為我用到的合并表行數比較多，時間太慢，所以針對上面的代碼進行了優化。
思路是利用dataframe的merge功能，先循環復制A表，將循環次數添加為列，直接使用merge合并，復雜度應該為O(n)（n是B表的行數），代碼如下：
def cartesian_df(df_a,df_b):
'求兩個dataframe的笛卡爾積'
#df_a 復制n次，索引用復制次數
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 設置索引為行數
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
#兩個原始表中不能有列名'merge_index'使用一張8行的表和一張142行的表進行測試，優化前的方法用時：5.560689926147461秒
優化后的方法用時：0.1296539306640625秒（142行的表作為b表）
根據計算原理，將行數少的表放在b表可以更快，測試用時：0.021603107452392578秒（8行的表作為b表）
這個速度已經達到預期，基本感覺不到等待，優化完成。
以上就是關于Python如何通過兩個dataframe用for循環求笛卡爾積的內容，如果你們有學習到知識或者技能，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
