如何在没有键的情况下实现 SQL 外连接的 pandas 等价

在 SQL 中，您可以在没有键的情况下连接两个表，以便两个表的所有记录相互合并。如果pandas.concat() or pandas.merge()或者其他一些 pandas 语法支持这一点，它可以帮助我解决我试图解决的问题的一步。我在帮助文档中找到了一个外部联接选项，但我找不到执行我想要的操作的确切语法（无需键即可联接所有记录）。

为了更好地解释这一点：

import pandas as pd

lunchmenupairs2 = [["pizza", "italian"],["lasagna", "italian"],["orange", "fruit"]]
teamcuisinepreferences2 = [["ian", "*"]]

lunchLabels = ["Food", "Type"]
teamLabels = ["Person", "Type"]

df1 = pd.DataFrame.from_records(lunchmenupairs2, columns=lunchLabels)
df2 = pd.DataFrame.from_records(teamcuisinepreferences2, columns=teamLabels)

print(df1)
print(df2)

输出这些表：

      Food     Type
0    pizza  italian
1  lasagna  italian
2   orange    fruit

  Person     Type
0    ian        *

我希望合并的最终结果是：

  Person     Type Food     Type
0  ian        *   pizza     italian
1  ian        *   lasagna   italian
2  ian        *   orange    fruit

然后，我可以轻松删除不需要的列，并转到我正在处理的代码中的下一步。这不起作用：

merged_data = pd.merge(left=df2,right=df1, how='outer')

有没有办法做到这种类型DataFrame合并？

这是可能的cross-join, Pandas 1.2.0 中引入 https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.merge.html。只需运行：

df1.merge(df2, how='cross')