如何在具有许多列的熊猫数据框中生成所有可能的列组合？

Question

我有以下数据框：

   A  B  C
0  1  3  3
1  1  9  4
2  4  6  3

我想创建这些列的所有可能的唯一组合不重复，这样我最终会得到一个包含以下数据的数据框：A、B、C、A+B、A+ C、B+C、A+B+C。 我不想以任何组合重复任何列，例如A+A+B+C 或 A+B+B+C.

我还希望数据框中的每一列都标有相关的变量名称（例如，对于 A + B 的组合，列名称应为“A_B”）

这是所需的数据帧：

   A  B  C  A_B  A_C  B_C  A_B_C
0  1  1  4    2    5    5      6
1  3  9  6   12    9   15     18
2  3  4  3    7    6    7     10

使用 itertools 只需 3 个变量，这相对容易，我使用了以下代码：

    import pandas as pd
    import itertools

    combos_2 = pd.DataFrame({'{}_{}'.format(a, b):
    df[a] + df[b] 
    for a, b in itertools.combinations(df.columns, 2)})

    combos_3 = pd.DataFrame({'{}_{}_{}'.format(a, b, c):
    df[a] + df[b] + df[c] 
    for a, b, c in itertools.combinations(df.columns, 3)})

    composites = pd.concat([df, combos_2, combos_3], axis=1)

但是，我不知道如何以 Python 方式扩展此代码，以解决具有更多列数的 DataFrame。有没有办法让下面的代码更 Pythonic 并扩展它以用于大量列？或者有没有更有效的方法来生成组合？

Answer 1

我们需要先根据列创建combination，然后创建数据框

from itertools import combinations
input = df.columns
output = sum([list(map(list, combinations(input, i))) for i in range(len(input) + 1)], [])
output
Out[21]: [[], ['A'], ['B'], ['C'], ['A', 'B'], ['A', 'C'], ['B', 'C'], ['A', 'B', 'C']]
df1=pd.DataFrame({'_'.join(x) : df[x].sum(axis=1 ) for x in output if x !=[]})
df1
Out[22]: 
   A  B  C  A_B  A_C  B_C  A_B_C
0  1  3  3    4    4    6      7
1  1  9  4   10    5   13     14
2  4  6  3   10    7    9     13

Answer 2

你已经很接近了：

from itertools import chain, combinations

# Need to realize the generator to make sure that we don't
# read columns from the altered dataframe.
combs = list(chain.from_iterable(combinations(d.columns, i)
                                 for i in range(2, len(d.columns) + 1)))
for cols in combs:
    df['_'.join(cols)] = df.loc[:, cols].sum(axis=1)

注意事项 - 如果您将列与 _ 组合在一起，而列名本身可以包含 _，那么您迟早会遇到列名冲突。