Python NumPy中矢量化成对列元素级积

我有两个数据帧：

>>> d1

    A  B
0   4  3
1   5  2
2   4  3

>>> d2

    C  D  E
0   1  4  7
1   2  5  8
2   3  6  9

>>> what_I_want

    AC  AD  AE  BC  BD  BE
0   4   16  28  3   12  21
1   10  25  40  4   10  16
2   12  24  36  9   18  27

两个数据帧的行数相同（比如m），但列数不同（比如ncol_1，ncol_2）。输出是一个m乘（ncol_1*ncol_2）数据帧。每列是d1中一列和d2中一列的乘积

我遇到过np.kron，但它并不能完全满足我的需要。我的实际数据有数百万行

---

我想知道是否有任何矢量化的方法可以做到这一点？我目前有一个

itertools.product

实现，但是速度非常慢。

IIUC，使用for循环并不总是很糟糕

一个-

对于大数据，使用

numexpr

-

import numexpr as ne

out = ne.evaluate('a3D*b3D',{'a3D':a[:,:,None],'b3D':b[:,None]}).reshape(len(a),-1)
df_out = pd.DataFrame(out)

---

谢谢你的回答！它就像一个符咒。但我有一个问题：在NumPy版本中，您使用的是

b[：，无，：]

，但在numexpr中，您使用的是

b[：，无]

？@KemengZhang-Nah，这是一样的。在numexpr版本中，我试图使其紧凑，以使其保持在答案帖子允许的宽度内。

a = d1.to_numpy(copy=False) # d1.values on older pandas versions
b = d2.to_numpy(copy=False)
df_out = pd.DataFrame((a[:,:,None]*b[:,None,:]).reshape(len(a),-1))
df_out.columns = [i+j for i in d1.columns for j in d2.columns]

import numexpr as ne

out = ne.evaluate('a3D*b3D',{'a3D':a[:,:,None],'b3D':b[:,None]}).reshape(len(a),-1)
df_out = pd.DataFrame(out)