python - pandas 版本的 SQL CROSS APPLY

Question

假设我们有一个 DataFrame df

df = pd.DataFrame({
    "Id": [1, 2],
    "Value": [2, 5]
})

df
    Id  Value
0   1   2
1   2   5

和一些函数 f，它接受 df 的一个元素并返回一个 DataFrame。

def f(value):
    return pd.DataFrame({"A": range(10, 10 + value), "B": range(20, 20 + value)})

f(2)
    A   B
0   10  20
1   11  21

我们想将 f 应用于 df["Value"] 中的每个元素，并将结果加入 df，如下所示:

    Id  Value   A   B
0   1   2       10  20
1   1   2       11  21
2   2   5       10  20
2   2   5       11  21
2   2   5       12  22
2   2   5       13  23
2   2   5       14  24

在 T-SQL 中，使用表 df 和表值函数 f，我们将使用 CROSS APPLY 执行此操作:

SELECT * FROM df
CROSS APPLY f(df.Value)

我们如何在 pandas 中做到这一点？

Answer 1

您可以在列表理解中将函数应用于 Value 中的每个元素并使用 pd.concat连接所有结果数据帧。还要分配相应的 Id，以便以后可以用于 merge两个数据框:

l = pd.concat([f(row.Value).assign(Id=row.Id) for _, row in df.iterrows()])
df.merge(l, on='Id')

   Id   Value  A   B
0   1      2  10  20
1   1      2  11  21
2   2      5  10  20
3   2      5  11  21
4   2      5  12  22
5   2      5  13  23
6   2      5  14  24