如何生成多变量不同取值组合的所有可能和及对应方案的DataFrame

问题描述 #

现有多个变量的取值集合：

A = [0.9, 0.7, 1, 0.5]
B = [0, 1]
C = [0.3, 0.6, 0.9]
D = [-1.8, 0]

需要生成所有变量取值组合的求和结果，同时为每个组合生成对应的方案标识，最终将数据存入Pandas DataFrame，格式如下：

解决方法 #

可以通过itertools.product生成所有变量的笛卡尔积组合，再遍历计算求和结果并生成方案标识，最后存入DataFrame，步骤如下：

1. 生成全组合：用itertools.product快速生成所有变量取值的笛卡尔积，覆盖所有可能的组合。
2. 计算与标识：对每个组合，计算求和结果，同时拼接变量名与对应值生成方案字符串。
3. 存入DataFrame：将方案和结果整理成结构化数据，转换为DataFrame。

完整代码示例 #

import itertools
import pandas as pd

# 定义变量及其取值集合
variables = {
    'A': [0.9, 0.7, 1, 0.5],
    'B': [0, 1],
    'C': [0.3, 0.6, 0.9],
    'D': [-1.8, 0]
}

# 生成所有可能的取值组合
all_combinations = itertools.product(*variables.values())

# 收集方案和对应的求和结果
result_data = []
for combo in all_combinations:
    # 拼接方案字符串（变量名+取值，下划线分隔）
    plan = '_'.join(f"{key}{val}" for key, val in zip(variables.keys(), combo))
    # 计算当前组合的和
    sum_result = sum(combo)
    result_data.append({"方案": plan, "求和结果": sum_result})

# 转换为DataFrame
df = pd.DataFrame(result_data)

# 查看前几行示例
print(df.head())

示例输出 #

运行代码后，DataFrame的前5行结果如下：

内容的提问来源于stack exchange，提问作者Raganosis