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

Posted 2023-04-18

【中文标题】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

【英文标题】：Most efficient way to multiply every column of a large pandas dataframe with every other column of the same dataframe

【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。

【参考方案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])

【参考方案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]]