数据框中的所有唯一列组合

Question

我正在尝试在 dataframe 中创建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，依此类推。if 条件阻止了 A + A 以及 A + BA 之类的事情（我在 df 中用更多的列测试它时遇到了一些错误）。

我现在的问题是关于反向重复项，比如当迭代器一位于字母 A 时创建“ABD”（并且迭代器二将它与所有列组合）以及当迭代器一位于 D 时创建“DBA”而迭代器二完成所有操作组合。

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))对于 2 的组合，对于其他所有可能的组合，依此类推，但是后来我遇到了麻烦“映射”新创建的列组合（如 AB）与行值我原来的 df（对于这个例子，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的组合数量，而且可能不难映射。有什么想法吗？

提前致谢。

Answer 1

IIUC，combinations并reduce与Series.addfrom itertools import combinationsfrom functools import reducecols = 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  ABCD0  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是正确的方法。首先创建列组合列表：col_combs = list(combinations(df.columns, 2))然后要获取仅包含任何给定组合的那些列的 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)]下面是一个最小示例，说明如何为 2 列的每个组合存储单独的数据框：col_combs = list(combinations(df.columns, 2))comb_dfs = []for cols in col_combs:    temp = df[list(cols)].copy()    comb_dfs.append(temp)为了让它适用于更多的列组合，您只需combinations使用您想要的值运行几个不同的值，并在制作数据框之前将所有结果收集到一个列表中。