如何高效将选定特征交互项作为新列添加到pandas DataFrame

你之前的两个方案性能差的核心原因是存在大量冗余计算：第一种循环内重复实例化、调用sklearn接口产生很多非必要开销；第二种全量计算交互项浪费了大量算力在你不需要的特征上。

方案1：直接列相乘（最简洁，仅适用于二阶交互项） #

二阶交互项本质就是两个特征的逐行乘积，完全不需要调用PolynomialFeatures接口，直接用pandas列的向量运算即可：

import numpy as np
import pandas as pd

np.random.seed(1111)
a1 = np.random.randint(2, size = (5,3))
a2 = np.round(np.random.random((5,3)),2)

df = pd.DataFrame(np.concatenate([a1, a2], axis = 1), columns = ['a','b','c','d','e','f'])
combinations = [['a', 'e'], ['a', 'f'], ['b', 'f']]

# 直接遍历组合计算乘积
for col1, col2 in combinations:
    df[f"{col1} {col2}"] = df[col1] * df[col2]

运行结果和你之前用sklearn得到的完全一致。

方案2：批量向量化计算（性能最优，适合大量交互项场景） #

如果需要生成的交互项数量很多，可以直接用numpy广播一次计算所有交互项，省去Python层的循环开销：

# 提取两列的数值矩阵
col1_arr = df[[c[0] for c in combinations]].values
col2_arr = df[[c[1] for c in combinations]].values
# 广播计算所有乘积
interact_arr = col1_arr * col2_arr
# 生成列名并一次性合并到原DataFrame
interact_cols = [f"{c[0]} {c[1]}" for c in combinations]
df[interact_cols] = interact_arr

方案3：通用任意阶交互项生成 #

如果需要生成三阶及以上的交互项，可以用reduce批量相乘，适配任意长度的特征组合：

from functools import reduce
import operator

combinations = [['a','e','f'], ['b','c','d']] # 三阶交互组合示例
for comb in combinations:
    col_name = " ".join(comb)
    df[col_name] = reduce(operator.mul, (df[c] for c in comb), 1)

性能优势说明 #

• 对比循环调用sklearn的方案：省去了接口调用、拟合、特征名解析、切片索引等冗余操作，运算效率通常可以提升5~10倍。
• 对比全量生成交互项的方案：仅计算你需要的交互项，当原始特征数量多、目标交互项占比低时，内存和算力开销可以降低一个数量级以上。

内容的提问来源于stack exchange，提问作者msfrn