如何在Pandas中生成DataFrame同一行内列的两两组合并保留对应行属性？

我明白你的需求了——要把每行里非空的风味列生成所有两两组合，同时保留该行对应的price和id，还要排除包含NaN的组合。你的原代码问题在于只对列名做了组合，没有针对每行的非空值处理，也没关联上price和id字段。下面给你两种可行的解决方案：

方法一：逐行处理（直观易懂，适合小数据集） #

这种方法直接对每行应用自定义函数，先过滤掉该行的NaN风味值，再生成两两组合，最后把组合和该行的price、id绑定：

import pandas as pd
import itertools

def generate_flavor_pairs(row):
    # 提取当前行所有非NaN的风味值
    valid_flavors = row.filter(like='flavor_').dropna().tolist()
    # 生成所有两两组合（不考虑顺序，因为是combinations而非permutations）
    flavor_pairs = itertools.combinations(valid_flavors, 2)
    # 为每个组合添加price和id，返回字典列表
    return [
        {'Target': pair[0], 'Source': pair[1], 'Price': row['price'], 'id': row['id']}
        for pair in flavor_pairs
    ]

# 应用函数到每一行，然后展开所有结果为新DataFrame
df_new = pd.DataFrame([
    item 
    for row in df1.apply(generate_flavor_pairs, axis=1) 
    for item in row
])

方法二：长表转换+分组处理（性能更优，适合大数据集） #

如果你的数据集很大，逐行apply可能效率偏低，推荐先把宽表转成长表，再按price和id分组生成组合：

import pandas as pd
import itertools

# 第一步：把所有风味列转成长格式，保留price和id，同时去掉NaN行
flavor_long = df1.melt(
    id_vars=['price', 'id'],
    value_vars=df1.filter(like='flavor_'),
    value_name='flavor'
).dropna(subset=['flavor'])

# 第二步：对每个(price, id)分组，生成两两组合
def get_group_pairs(group):
    pairs = list(itertools.combinations(group['flavor'], 2))
    # 生成组内的组合DataFrame，并关联price和id
    return pd.DataFrame(pairs, columns=['Target', 'Source']).assign(
        Price=group['price'].iloc[0],
        id=group['id'].iloc[0]
    )

# 应用分组函数并整理结果
df_new = flavor_long.groupby(['price', 'id']).apply(get_group_pairs).reset_index(drop=True)

关键说明 #

1. 排除NaN组合：两种方法都是先过滤掉每行/每组的NaN风味值，所以生成的组合自然不会包含NaN，无需额外处理。
2. 组合顺序：用itertools.combinations生成的是无序组合（比如(Lemon, Grape)和(Grape, Lemon)只会保留前者），如果需要有序组合，换成itertools.permutations即可。
3. 自定义范围：如果只想用特定的风味列（比如排除flavor_1），只需要在过滤时调整，比如把row.filter(like='flavor_')改成row[['flavor_2', 'flavor_3', ...]]。

内容的提问来源于stack exchange，提问作者DAEHYUN KIM