如何将矩阵格式的DataFrame转换为对比值列表格式？

给定如下对称DataFrame：

1    2    3
1   1    4    2
2   4    1    8
3   2    8    1

需要将其转换为包含Comparison（行与列的比较标识）和Value两列的目标格式，示例输出如下：

Comparison  Value
1 v 1       1
1 v 2       4
1 v 3       2
2 v 3       8

可复现代码实现 #

首先构造原始DataFrame：

import pandas as pd

# 原始数据
data = {1: {1: 1.0, 2: 4, 3: 2}, 2: {1: 4, 2: 1.0, 3: 8}, 3: {1: 2, 2: 8, 3: 1.0}}
df = pd.DataFrame(data)

方法一：利用stack()和索引过滤 #

适合快速批量处理，通过堆叠DataFrame后筛选目标索引对：

# 将DataFrame堆叠为多级索引Series
stacked_df = df.stack()

# 筛选需要的索引对：保留(1,1)以及所有行索引 < 列索引的组合
filtered = stacked_df[
    ((stacked_df.index.get_level_values(0) == 1) & (stacked_df.index.get_level_values(1) == 1)) |
    (stacked_df.index.get_level_values(0) < stacked_df.index.get_level_values(1))
]

# 转换为目标格式
result = filtered.reset_index()
result.columns = ['Row', 'Col', 'Value']
result['Comparison'] = result['Row'].astype(str) + ' v ' + result['Col'].astype(str)
result = result[['Comparison', 'Value']].reset_index(drop=True)

print(result)

输出结果：

Comparison  Value
0     1 v 1    1.0
1     1 v 2    4.0
2     1 v 3    2.0
3     2 v 3    8.0

方法二：手动生成索引对（更灵活） #

如果需要自定义保留的比较对，用itertools生成目标索引组合后取值：

from itertools import combinations_with_replacement

# 生成所有行索引 <= 列索引的组合（如需完全匹配示例，可手动指定pairs = [(1,1), (1,2), (1,3), (2,3)]）
pairs = list(combinations_with_replacement(df.index, 2))

# 构造结果数据
result_rows = []
for row_idx, col_idx in pairs:
    result_rows.append({
        'Comparison': f"{row_idx} v {col_idx}",
        'Value': df.loc[row_idx, col_idx]
    })

result = pd.DataFrame(result_rows)
print(result)

调整说明 #

• 若需保留所有对角线元素（如2v2、3v3），将方法一的过滤条件改为stacked_df.index.get_level_values(0) <= stacked_df.index.get_level_values(1)即可。
• 若不需要任何对角线元素，直接用stacked_df.index.get_level_values(0) < stacked_df.index.get_level_values(1)作为过滤条件，会得到1v2、1v3、2v3三行。

内容的提问来源于stack exchange，提问作者Niam45