将大熊猫数据帧的每一列与同一数据帧的每一列相乘的最有效方法答案

【问题标题】：Most efficient way to multiply every column of a large pandas dataframe with every other column of the same dataframe将大熊猫数据帧的每一列与同一数据帧的每一列相乘的最有效方法
【发布时间】：2020-01-09 22:31:49
【问题描述】：

假设我有一个看起来像这样的数据集：

INDEX   A   B   C
    1   1   1   0.75
    2   1   1   1
    3   1   0   0.35
    4   0   0   1
    5   1   1   0

我想获得一个如下所示的数据框，其中包含原始列以及列之间所有可能的交互：

INDEX   A   B   C       A_B     A_C     B_C
    1   1   1   0.75    1       0.75    0.75
    2   1   1   1       1       1       1
    3   1   0   0.35    0       0.35    0
    4   0   0   1       0       0       0
    5   1   1   0       1       0       0

我的实际数据集非常大（约 100 列）。实现这一目标的最快方法是什么？

当然，我可以使用嵌套循环或类似方法来实现这一点，但我希望有更有效的方法。

【问题讨论】：

标签： python pandas dataframe bigdata

【解决方案1】：

您可以为此使用itertools.combinations：

>>> import pandas as pd
>>> from itertools import combinations
>>> df = pd.DataFrame({
...     "A": [1,1,1,0,1],
...     "B": [1,1,0,0,1],
...     "C": [.75,1,.35,1,0]
... })
>>> df.head()
   A  B     C
0  1  1  0.75
1  1  1  1.00
2  1  0  0.35
3  0  0  1.00
4  1  1  0.00
>>> for col1, col2 in combinations(df.columns, 2):
...     df[f"{col1}_{col2}"] = df[col1] * df[col2]
...
>>> df.head()
   A  B     C  A_B   A_C   B_C
0  1  1  0.75    1  0.75  0.75
1  1  1  1.00    1  1.00  1.00
2  1  0  0.35    0  0.35  0.00
3  0  0  1.00    0  0.00  0.00
4  1  1  0.00    1  0.00  0.00

如果您需要对可以使用的列对上的任意函数进行矢量化：

import numpy as np

def fx(x, y):
    return np.multiply(x, y)

for col1, col2 in combinations(df.columns, 2):
    df[f"{col1}_{col2}"] = np.vectorize(fx)(df[col1], df[col2])

【讨论】：

【解决方案2】：

我不知道有一个原生的pandas 函数来解决这个问题，但itertools.combinations 将是对嵌套循环的改进。

你可以这样做：

from itertools import combinations

df = pd.DataFrame(data={"A": [1,1,1,0,1], 
                        "B": [1,1,0,0,1], 
                        "C": [0.75, 1, 0.35, 1, 0]})

for comb in combinations(df.columns, 2): 
    col_name = comb[0] + "_" + comb[1]
    result[col_name] = df[comb[0]] * df[comb[1]]

【讨论】：