数据框中的所有唯一列组合

Question

感谢阅读。

我正在尝试创建数据框中所有可能的唯一列组合。因此，具有 A、B、C 和 D 列，组合将是 AB、AC、AD、BC、BD、ABC、ABD。

A   B   C   D   AB   AC   AD ...
1   1   3   2   2    4    3

为此，我创建了一个 for 循环：

for i, comb in enumerate(df_p.columns):
    for comb2 in df_p.columns[i:]:
        if (comb != comb2) & (comb not in comb2)):
            df_p[comb + ' + ' + comb2] = df_p[comb].astype('str') + ' + ' + df_p[comb2].astype("str")
            print(" comb: " + comb + " combines with comb2: " + comb2)

基本上，“comb”迭代器从第一列 (A) 开始，第二个迭代器“comb2”从第二列 (B) 开始，创建 AB，然后继续直到创建所有 A 组合。然后，当comb 到B 时，comb2 从C 开始，以此类推。 if 条件阻止了 A + A 和 A + BA 之类的事情（我在 df 中使用更多列进行测试时遇到了一些错误）。

我现在的问题是关于反向重复，例如当迭代器一位于字母 A 时创建“ABD”（迭代器二将它与所有列组合）以及当迭代器一位于 D 和迭代器时创建“DBA”两个做所有的组合。

在我的研究中，我也尝试过使用 itertools 组合，如下所示：set(itertools.combinations(df_p.columns, 2)) 用于 2 的组合，以此类推用于其他所有可能的组合，但后来我在“映射”新创建的列组合时遇到了麻烦（比如AB) 与我的原始 df 的行值（在此示例中，这将是 A 的行值 + B 的行值）。

我更喜欢 itertools 选项，因为它可以更好地控制我们想要多少组合，而且映射起来可能并不难。有什么想法吗？

提前致谢。

----------------------更新------------ -----------------------------

为了清楚起见，我忘了提到行是字符串。这是真实列的sn-p：

retired     nationality     region
   1         Portugal       Lisbon

因此，例如创建这 3 个的所有组合将是：

retired  nationality  region  retired + nationality   retired + region   (..)
   1      Portugal    Lisbon      1 + Portugal           1 + Lisbon

Answer 1

IIUC、combinations 和 reduce 与 Series.add

from itertools import combinations
from functools import reduce

---

cols = df.columns.copy()
for i in range(2, len(cols) + 1):
    for names in combinations(cols, i):
        df[''.join(names)] = reduce(lambda cum_serie, new_serie_name: \
                                    cum_serie.add(df[new_serie_name]),
                                    names[1:],
                                    df[names[0]])


print(df)

输出

   A  B  C  D  AB  AC  AD  BC  BD  CD  ABC  ABD  ACD  BCD  ABCD
0  1  1  3  2   2   4   3   4   3   5    5    4    6    6     7

编辑

df = df.rename(columns=str).astype(str)
cols = df.columns.copy()
for i in range(2, len(cols) + 1):
    for names in combinations(cols, i):
        df[' + '.join(names)] = reduce(lambda cum_serie, new_serie_name: \
                                    cum_serie.str.cat(df[new_serie_name], ' + '),
                                    names[1:],
                                    df[names[0]])
print(df)

   A  B  C  D  A + B  A + C  A + D  B + C  B + D  C + D  A + B + C  A + B + D  \
0  1  1  3  2  1 + 1  1 + 3  1 + 2  1 + 3  1 + 2  3 + 2  1 + 1 + 3  1 + 1 + 2   

   A + C + D  B + C + D  A + B + C + D  
0  1 + 3 + 2  1 + 3 + 2  1 + 1 + 3 + 2  

Answer 2

我认为使用combinations 是正确的做法。

首先创建一个列组合列表：

col_combs = list(combinations(df.columns, 2))

然后要获得一个只包含任何给定组合的列的 df，将组合元组转换为列表，并将其传递给数据框。

cols = list(col_combs[0]
comb_df = `df[col_combs)]

以下是如何为 2 列的每个组合存储单独数据框的最小示例：

col_combs = list(combinations(df.columns, 2))

comb_dfs = []

for cols in col_combs:
    temp = df[list(cols)].copy()
    comb_dfs.append(temp)

要使其适用于更多的列组合，您只需使用所需的值运行几个不同的combinations，然后在制作数据框之前将所有结果收集到一个列表中。