如何用PySpark或Pandas生成满足beds>=baths>=cars的列组合

可以用itertools.product生成三个列表的所有笛卡尔积组合，再筛选符合beds >= baths >= cars条件的结果，最后转为Pandas DataFrame。具体步骤如下：

代码实现 #

import pandas as pd
from itertools import product

# 给定的原始列表
beds = [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0]
baths = [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0]
cars = [0, 1, 2, 3, 4, 5, 6, 7, 8]

# 生成所有可能的组合，并筛选符合条件的
valid_combinations = [
    (bed, bath, car)
    for bed, bath, car in product(beds, baths, cars)
    if bed >= bath and bath >= car
]

# 转换为DataFrame并设置列名
df = pd.DataFrame(valid_combinations, columns=['nbed', 'nbath', 'ncar'])

# 查看前20行（和示例结果一致）
print(df.head(20))

另一种Pandas原生方法 #

如果不想用itertools，也可以通过多次交叉合并+条件筛选实现：

import pandas as pd

beds = [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0]
baths = [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0]
cars = [0, 1, 2, 3, 4, 5, 6, 7, 8]

# 创建各列的DataFrame
df_beds = pd.DataFrame({'nbed': beds})
df_baths = pd.DataFrame({'nbath': baths})
df_cars = pd.DataFrame({'ncar': cars})

# 交叉合并所有可能的组合
df_all = df_beds.merge(df_baths, how='cross').merge(df_cars, how='cross')

# 筛选符合条件的行
df_valid = df_all.query('nbed >= nbath and nbath >= ncar')

# 重置索引（可选）
df_valid = df_valid.reset_index(drop=True)

print(df_valid.head(20))

结果说明 #

两种方法都会生成符合要求的数据集，其中：

• 当nbed=1.0时，nbath只能取1.0，ncar可取0、1（满足1.0>=1.0>=car）
• 当nbed=2.0时，nbath可取1.0、2.0，对应ncar分别可取0-1、0-2
• 以此类推，完全匹配你给出的示例结果。

内容的提问来源于stack exchange，提问作者Phikho