Come eseguire un cross join in pandas (con esempio)

È possibile utilizzare la seguente sintassi di base per eseguire un cross join nei panda:

 #create common key
df1[' key '] = 0
df2[' key '] = 0

#outer merge on common key (eg a cross join)
df1. merge (df2, on=' key ', how=' outer ')

L’esempio seguente mostra come utilizzare questa funzione nella pratica.

Esempio: esecuzione di un cross join in Panda

Supponiamo di avere i seguenti due DataFrames panda:

 import pandas as pd

#create first DataFrame
df1 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D'],
                    ' points ': [18, 22, 19, 14]})

print (df1)

  team points
0 to 18
1 B 22
2 C 19
3 D 14

#create second DataFrame
df2 = pd. DataFrame ({' team ': ['A', 'B', 'F'],
                    ' assists ': [4, 9, 8]})

print (df2)

  team assists
0 to 4
1 B 9
2 F 8

Il codice seguente mostra come eseguire un cross join sui due DataFrame:

 #create common key
df1[' key '] = 0
df2[' key '] = 0

#perform cross join
df3 = df1. merge (df2, on=' key ', how=' outer ')

#drop key column
del df3[' key ']

#view results
print (df3)

   team_x points team_y assists
0 A 18 A 4
1 A 18 B 9
2 A 18 F 8
3 B 22 A 4
4 B 22 B 9
5 B 22 F 8
6 C 19 A 4
7 C 19 B 9
8 C 19 F 8
9 D 14 A 4
10 D 14 B 9
11 D 14 F 8

Il risultato è un DataFrame che contiene tutte le possibili combinazioni di righe di ciascun DataFrame.

Ad esempio, la prima riga del primo DataFrame contiene la squadra A e 18 punti. Questa riga corrisponde a ciascuna riga del secondo DataFrame.

Quindi la seconda riga del primo DataFrame contiene la Squadra B e 22 punti. Questa riga corrisponde anche a ciascuna riga del secondo DataFrame.

Il risultato finale è un DataFrame con 12 righe.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni nei panda:

Come eseguire un join a sinistra in Pandas
Come eseguire un join a sinistra in Pandas
Panda si uniscono o si uniscono: qual è la differenza?