如何找出Dataframe中两列的组合？当数据帧中有多列时？

Question

我有以下数据帧

df1:
playerA   playerB  PlayerC PlayerD
kim         lee      b      f
jackson     kim      d      g
dan         lee      a      d

我想用两列的所有可能组合生成一个新的数据帧。比如说,

df_new:
Target   Source  
kim         lee
kim         kim
kim         lee
kim          b     
kim          d
kim          a
kim          f
kim          g
kim          d      
jackson      lee
jackson      kim
jackson      lee
jackson      b
.
.
.
.
lee         kim
lee         jackson
lee          dan
lee          b
lee          d
.
.
.

因此，我尝试了这个代码t

import itertools
def comb(df1):
    return [df1.loc[:, list(x)].set_axis(['Target','Source'], axis=1)
            for x in itertools.combinations(df1.columns, 2)]

但是，它仅显示同一行中列之间的组合

是否有任何方法可以生成列之间所有可能的组合？提前谢谢

Answer 1

从itertools到^{}、^{}和^{}的一种方式：

from itertools import chain, permutations, product

df = pd.DataFrame(
         chain.from_iterable(product(df1[col_1], df1[col_2])
                             for col_1, col_2 in permutations(df1.columns, r=2)),
         columns=["Target", "Source"]
)

我们首先得到所有列的2-permutations，然后对于每一对，形成它们的值的product。对所有置换执行此操作后，使用chain.from_iterable将它们展平，并传递给数据帧构造函数

我得到一个108 x 2的数据帧：

      Target Source
0        kim    lee
1        kim    kim
2        kim    lee
3    jackson    lee
4    jackson    kim
..       ...    ...
103        g      d
104        g      a
105        d      b
106        d      d
107        d      a

（其中108=3*9*4:3=行，9=行*其他列，4=总列）

Answer 2

这里有一个使用^{}和^{}的方法

>>> df1
   playerA playerB PlayerC PlayerD
0      kim     lee       b       f
1  jackson     kim       d       g
2      dan     lee       a       d
>>> target = df1.melt(value_name='Source')[['Source']]
>>> df_new = pd.merge(target.rename(columns={'Source':'Target'}), target, how='cross')
>>> df_new
    Target   Source
0      kim      kim
1      kim  jackson
2      kim      dan
3      kim      lee
4      kim      kim
..     ...      ...
139      d        d
140      d        a
141      d        f
142      d        g
143      d        d

此方法不考虑^ {< CD3>}和^ {CD4>}的相同索引，但可以使用以下简单的数学方法轻松地删除这些行：

>>> indices_to_drop = [idx * len(target) + idx for idx in range(len(target)]
>>> indices_to_drop
[0, 13, 26, 39, 52, 65, 78, 91, 104, 117, 130, 143]
>>> df_new.drop(indices_to_drop).reset_index(drop=True)
    Target   Source
0      kim  jackson
1      kim      dan
2      kim      lee
3      kim      kim
4      kim      lee
..     ...      ...
127      d        b
128      d        d
129      d        a
130      d        f
131      d        g

Answer 3

您可以使用列表理解

df = pd.DataFrame(columns=["Target", "Source"])
for col in df1:
    df = pd.concat(
        [
            df,
            pd.DataFrame(
                [
                    {"Target": val1, "Source": val2}
                    for val2 in df1.loc[:, df1.columns.difference([col])].values.flatten()
                    for val1 in df1[col]
                ]
            ),
        ],
    )

df

    Target  Source
0   kim b
1   jackson b
2   dan b
3   kim f
4   jackson f
... ... ...
22  g   dan
23  d   dan
24  f   lee
25  g   lee
26  d   lee
108 rows × 2 columns