嘿，手动一个个列组合筛选计数确实太折腾了！其实用矩阵乘法就能一步到位，效率拉满，完全不用重复写筛选代码。

核心思路 #

因为你的数据是0/1二值化的，转置后的DataFrame和原DataFrame做矩阵乘法，得到的结果正好是每两列同时为1的行数——这就是你要的计数矩阵！矩阵乘法的本质是对对应位置元素相乘后求和，只有当两个元素都是1时乘积才为1，求和结果就是同时为1的行数，完美匹配需求。

代码实现 #

先构造一个和你结构一致的示例DataFrame：

import pandas as pd
import numpy as np

# 生成示例二值化数据（固定随机种子方便复现）
np.random.seed(42)
df = pd.DataFrame(np.random.randint(0, 2, size=(100, 7)), columns=['A', 'B', 'C', 'D', 'E', 'F', 'G'])

然后一行代码生成计数矩阵：

# 计算两两列同时为1的计数矩阵
count_matrix = df.T @ df

结果说明 #

输出的count_matrix是一个对称矩阵，行和列都是原DataFrame的列名：

• count_matrix.loc['A','B'] 就是A列和B列同时为1的行数
• 对角线的count_matrix.loc['A','A'] 是A列自身为1的总行数

如果只想保留不同列之间的配对（隐藏对角线的自身计数、避免重复的下三角数据），可以再加一步处理：

# 只保留上三角部分（k=1表示排除对角线）
count_matrix = count_matrix.where(np.triu(np.ones(count_matrix.shape), k=1).astype(bool))

这个方法不管你有多少列都能快速处理，完全不用手动写循环或者逐个筛选组合，比你原来的方法高效太多啦！

内容的提问来源于stack exchange，提问作者Veki