Pandas如何对分类特征相同的行执行非重复凸组合运算

实现代码 #

首先导入依赖库：

import pandas as pd
from itertools import combinations

步骤1：定义参数与数据准备

# 构造示例数据，可替换为自己的DataFrame
df = pd.DataFrame({
    "Is taco?": pd.Categorical(["yes", "yes", "yes"]),
    "Count": [2, 5, 1]
})

# 凸组合参数L，可根据需求调整，取值范围[0,1]
L = 0.5

# 自动识别分类列与数值列
cat_cols = df.select_dtypes(include="category").columns.tolist()
num_cols = df.select_dtypes(include="number").columns.tolist()

步骤2：分组计算凸组合

result = []
# 按所有分类列分组，仅同分类组内的行做配对
for _, group in df.groupby(cat_cols, observed=True):
    # 生成组内不重复的两两行组合（i<j，天然避免重复配对）
    for (_, row1), (_, row2) in combinations(group.iterrows(), 2):
        # 分类特征直接继承原值，数值特征做凸组合计算
        new_row = pd.concat([
            row1[cat_cols],
            L * row1[num_cols] + (1 - L) * row2[num_cols]
        ])
        result.append(new_row)

# 转换为DataFrame并重置索引
final_df = pd.DataFrame(result).reset_index(drop=True)

输出验证

运行上述代码后打印final_df即可得到预期结果：

Is taco?  Count
0      yes    3.5
1      yes    1.5
2      yes    3.0

特性说明 #

• 自动支持多分类列：只要是dtype为category的列都会作为分组依据，只有所有分类列取值完全一致的行才会配对
• 自动支持多数值列：所有数值类型的列都会自动做凸组合计算，无需单独修改逻辑
• 无重复配对：使用combinations生成无序两两组合，保证任意两行仅计算一次
• 可灵活调整凸组合系数：修改L的取值即可适配不同的凸组合需求

内容的提问来源于stack exchange，提问作者user12314098