pandas如何实现从DataFrame每行取3值生成所有跨行列组合

需求规则 #

• 基于给定的3行pandas DataFrame生成值组合
• 每个组合共9个值：前3个从第一行选取，中间3个从第二行选取，最后3个从第三行选取
• 每行选取3个值时不重复取同一位置的值
• 最终所有组合存入新的DataFrame

示例输入DataFrame结构：

0           1             2            3             4              5               6
Table       Black         Brown       Red           Blue          Green          Amber
Chair       Magenta       Turquoise   White         Orange        Violet         Pink
Window      Indigo        Yellow      Cerulean      Grey          Peach          Aqua

原有代码问题 #

之前使用的全列笛卡尔积代码逻辑错误：

from itertools import product
uniques = [df[i].unique().tolist() for i in df.columns ]
pd.DataFrame(product(*uniques), columns = df.columns)

该代码对所有列的去重值做全量交叉，生成的是7列的全笛卡尔积，完全不符合按行选值再拼接的规则。

正确实现代码 #

核心思路：先分别生成单一行选3个值的所有组合，再对三行的组合集合做笛卡尔积，最后拼接成最终结果：

from itertools import product, combinations
import pandas as pd

# 提取每行的有效值（跳过第一列的行标识：Table/Chair/Window，不需要可删除[:,1:]切片）
row1 = df.iloc[0, 1:].to_list()
row2 = df.iloc[1, 1:].to_list()
row3 = df.iloc[2, 1:].to_list()

# 生成每行选3个值的所有不重复组合
comb_row1 = combinations(row1, 3)
comb_row2 = combinations(row2, 3)
comb_row3 = combinations(row3, 3)

# 三行组合做笛卡尔积，拼接为9个元素的单条记录
all_records = [c1 + c2 + c3 for c1, c2, c3 in product(comb_row1, comb_row2, comb_row3)]

# 转换为DataFrame
result_df = pd.DataFrame(
    all_records,
    columns = [f"第一行选值{i}" for i in range(1,4)] + 
              [f"第二行选值{i}" for i in range(1,4)] + 
              [f"第三行选值{i}" for i in range(1,4)]
)

补充说明：如果需要同一行选值考虑顺序，把combinations替换为permutations即可；如果允许同一行重复选值，可自定义选值逻辑替换combinations部分。

内容的提问来源于stack exchange，提问作者harjon