连接两个没有公共列的 DataFrame 进行计算

我正在尝试根据两个不同数据集中的信息进行计算。我需要第一个数据帧的所有信息重复与第二个数据帧的信息一样多的次数。

例子：

数据框1：

name   price 
 A       1
 B       2

数据框2：

 currency    value
  Dollar       1
  Euro         2 

预期输出：

数据框合并：

name   price   currency    Value
 A       1       Dollar      1
 A       1       Euro        1
 B       2       Dollar      4
 B       2       Euro        4

我一直在尝试类似的方法，使用 apply 和列表​​，然后将其转换为 DataFrame，但没有结果。不知何故，每个名称的 currs 值总是重复的：

lst = []
for index, currs in currencies.iterrows():
    lst.append(prices.apply(lambda pmRow: pd.Series({'name':pmRow['prices'], 'curr':currs['currency']}), axis=1))

有什么建议么？谢谢！

看来你需要cross join:

df = pd.merge(df1.assign(A=1), df2.assign(A=1), on='A').drop('A', 1)
print (df)
  name  price currency  value
0    A      1   Dollar      1
1    A      1     Euro      2
2    B      2   Dollar      1
3    B      2     Euro      2

然后如果需要多列price and value:

df['value'] *= df['price']
print (df)
  name  price currency  value
0    A      1   Dollar      1
1    A      1     Euro      2
2    B      2   Dollar      2
3    B      2     Euro      4