两个示例的DataFrame：

left = pd.DataFrame({'col1' : ['A', 'B', 'C'], 'col2' : [1, 2, 3]})
right = pd.DataFrame({'col1' : ['X', 'Y', 'Z'], 'col2' : [20, 30, 50]})
left
  col1  col2
0    A     1
1    B     2
2    C     3
right
  col1  col2
0    X    20
1    Y    30
2    Z    50

实现交叉连接(cross join)后的效果：

A       1      X      20
A       1      Y      30
A       1      Z      50
B       2      X      20
B       2      Y      30
B       2      Z      50
C       3      X      20
C       3      Y      30
C       3      Z      50

1、使用临时“key”列实现

使用 assign 方法生成一个辅助列，然后进行 merge 以实现交叉连接。

import pandas as pd

# 创建两个示例 DataFrame
left = pd.DataFrame({'col1': ['A', 'B', 'C'], 'col2': [1, 2, 3]})
right = pd.DataFrame({'col1': ['X', 'Y', 'Z'], 'col2': [20, 30, 50]})

# 使用 assign 方法生成一个辅助列，然后进行 merge 以实现交叉连接
result = left.assign(key=1).merge(right.assign(key=1), on='key').drop('key', axis=1)

print(result)

2、使用itertools product实现

使用 itertools.product 生成笛卡尔积，实现连接，代码如下，

import pandas as pd
import itertools

# 创建两个示例 DataFrame
left = pd.DataFrame({'col1': ['A', 'B', 'C'], 'col2': [1, 2, 3]})
right = pd.DataFrame({'col1': ['X', 'Y', 'Z'], 'col2': [20, 30, 50]})

# 使用 itertools.product 生成笛卡尔积
l = list(itertools.product(left.values.tolist(), right.values.tolist()))

# 将笛卡尔积展开并转化为 DataFrame
result = pd.DataFrame(list(map(lambda x: sum(x, []), l)))

# 重命名列名
result.columns = ['col1_left', 'col2_left', 'col1_right', 'col2_right']

print(result)

3、使用pandas concat方法实现

使用 pd.concat() 方法进行交叉连接

import pandas as pd

# 创建两个示例 DataFrame
left = pd.DataFrame({'col1': ['A', 'B', 'C'], 'col2': [1, 2, 3]})
right = pd.DataFrame({'col1': ['X', 'Y', 'Z'], 'col2': [20, 30, 50]})

# 使用 concat 方法进行交叉连接
m = pd.concat(
    [
        pd.concat([left] * len(right)).sort_index().reset_index(drop=True),
        pd.concat([right] * len(left)).reset_index(drop=True)
    ],
    axis=1
)

# 重命名列名以清晰区分来自 left 和 right 的数据
m.columns = ['col1_left', 'col2_left', 'col1_right', 'col2_right']

print(m)