Python Pandas 数据框：递归地两两比较行。

Question

我希望能够逐行比较两个表格，并仅保留相似的匹配项。

import pandas as pd
df = pd.DataFrame.from_items([('a', [0,1,1,0]), ('b', [0,0,1,1]),('c',[1,0,0,1]), ('d',[1,0,1,0])], orient='index', columns=['A', 'B', 'C', 'D'])
df

   A  B  C  D
a  0  1  1  0
b  0  0  1  1
c  1  0  0  1
d  1  0  1  0

在此表格中进行转换：

     A  B  C  D
a/b  0  0  1  0
a/c  0  0  0  0
a/d  0  0  1  0
a/d  0  0  0  0
b/c  0  0  0  1
b/d  0  0  1  0
c/d  1  0  0  0

- manz

Answer 1

你可以使用itertools来迭代所有行的组合以创建一个新的项目集，就像这样：

import itertools
new_items = [('{}/{}'.format(i1, i2), r1 * r2) 
                for (i1, r1), (i2, r2) in itertools.combinations(df.iterrows(), 2)]
transformed = pd.DataFrame.from_items(new_items, orient='index', columns=['A', 'B', 'C', 'D'])

- Michael

Answer 2

解释

• 首先要做的是生成一个迭代每个组合的机制。我选择了np.triu_indices。这是numpy让我能够访问正方形矩阵的上三角的方法。@Michael使用itertools.combinations完成此操作。
• 接下来要处理的事情是格式化索引。@Michael和我都使用'{}/{}'.format
• 最后，我们需要将它们全部放在一起。我使用pd.concat，@Michael使用pd.DataFrame.ftom_items
• 我喜欢@Michael的答案，我认为比我的更好。下次回答类似的问题时，我可能会使用两种方法的组合。
• 我通常避免使用itertools，虽然我没有很好的理由。也许我应该:-)
• 为了更详细的解释，我鼓励您逐行运行此代码，并查看各个组件的外观。

---

tups = zip(*np.triu_indices(df.shape[0], 1))
rnm = '{}/{}'.format
pd.concat(
    [df.iloc[i].mul(df.iloc[j]).rename(rnm(*df.index[[i, j]])) for i, j in tups],
     axis=1).T

- piRSquared