如何基于Pandas DataFrame生成行间差值矩阵？

现有如下Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({'Subject': ['Alpha', 'Bravo', 'Charlie'],
                   'Total': [31.05590, 32.91925, 36.02484]})

对应的原始数据表格：

需要生成一个行间差值矩阵，即矩阵中每个位置(i,j)的值为第i行Subject的Total值减去第j行Subject的Total值，例如：

Alpha-Charlie = Alpha(Total) - Charlie(Total) -> (31.05590 - 36.02484) = -4.96894
Bravo-Alpha = Bravo(Total) - Alpha(Total) -> (32.91925 - 31.05590) = 1.86335

预期输出表格：

尝试了以下代码，但得到的是对角矩阵，无法满足需求：

import numpy as np

ct_a = pd.crosstab(df['Subject'], df['Subject'], values=df['Total'], aggfunc=np.sum).fillna(0)
ct_a.to_csv('data/ct_a.csv', index=True)

方法1：利用广播运算实现 #

将Total列转换为二维数组后，直接用行向量减去列向量实现广播，再包装成DataFrame：

# 提取Total值并转为二维数组
values = df['Total'].values.reshape(-1, 1)
# 计算行减列的差值
diff_matrix = values - values.T
# 构建结果DataFrame
result = pd.DataFrame(diff_matrix, index=df['Subject'], columns=df['Subject'])
# 保留5位小数（和预期格式一致）
result = result.round(5)

方法2：使用Pandas的subtract方法 #

通过将Total列分别作为索引和列的Series，调用subtract方法实现元素级差值计算：

# 创建以Subject为索引的Series
s = df.set_index('Subject')['Total']
# 计算差值：行索引对应的值减去列索引对应的值
result = s.subtract(s, axis=0).round(5)

方法3：外连接后计算差值 #

通过自身外连接，再计算每行的Total差值：

# 自身外连接，添加后缀区分左右表
merged = df.merge(df, how='outer', suffixes=('_x', '_y'))
# 计算差值
merged['diff'] = merged['Total_x'] - merged['Total_y']
# 重塑为矩阵形式
result = merged.pivot(index='Subject_x', columns='Subject_y', values='diff').round(5)
# 重命名索引和列名
result.index.name = 'Subject'
result.columns.name = 'Subject'

运行上述任意一种方法后，都能得到符合预期的差值矩阵，保存为CSV的话直接执行result.to_csv('data/diff_matrix.csv', index=True)即可。

内容的提问来源于stack exchange，提问作者matekus