生成数据框中7列的所有组合并添加相应的行以生成新列

Question

我有一个类似于下面的数据框：

Wave    A    B   C
340    77   70  15
341    80   73  15
342    83   76  16
343    86   78  17

我想生成包含现有列的所有可能组合的列。我在这里展示了 3 个列，但在我的实际数据中，我有 7 列，因此总共有 127 个组合。期望的输出如下：

Wave    A    B   C   AB   AC   AD   BC ... ABC
340    77   70  15   147  92   ...
341    80   73  15   153  95   ... 
342    83   76  16   159  99   ...

我实现了一个效率很低的版本，其中用户输入组合（AB、AC 等），并使用行的总和创建一个新的 col。对于 127 种组合，这似乎几乎不可能完成，尤其是带有描述性的 col 名称。

Answer 1

使用来自 itertools 的 chain + combinations 创建所有组合的列表，然后对相应的列求和：

from itertools import combinations, chain

cols = [*df.iloc[:,1:]]
l = list(chain.from_iterable(combinations(cols, n+2) for n in range(len(cols))))
#[('A', 'B'), ('A', 'C'), ('B', 'C'), ('A', 'B', 'C')]

for items in l:
    df[''.join(items)] = df.loc[:, items].sum(1)

   Wave   A   B   C   AB   AC  BC  ABC
0   340  77  70  15  147   92  85  162
1   341  80  73  15  153   95  88  168
2   342  83  76  16  159   99  92  175
3   343  86  78  17  164  103  95  181

Answer 2

您需要先获取所有combination，然后我们只需获取combination，然后我们需要创建映射dict 或Series

l=df.columns[1:].tolist()

l1=[list(map(list, itertools.combinations(l, i))) for i in range(len(l) + 1)]

d=[dict.fromkeys(y,''.join(y))for x in l1 for y in x ]

maps=pd.Series(d).apply(pd.Series).stack()
df.set_index('Wave',inplace=True)
df=df.reindex(columns=maps.index.get_level_values(1))
#here using reindex , get the order of your new df to the maps keys
df.columns=maps.tolist()
# here assign the new value to the column , since the order is same that why here I am assign it back 
df.sum(level=0,axis=1)

Out[303]: 
       A   B   C   AB   AC  BC  ABC
Wave                               
340   77  70  15  147   92  85  162
341   80  73  15  153   95  88  168
342   83  76  16  159   99  92  175
343   86  78  17  164  103  95  181