如何在pandas DataFrame中基于现有列生成衍生列以适配Lasso回归特征构造

你原代码无法运行的核心问题有三点：

• df.iteritems() 遍历返回的是(列名, 列值Series)格式的元组，直接拿遍历返回的元组当列索引取值会触发类型错误，根本无法完成赋值
• 全量无序双重循环会重复生成「特征i特征j」和「特征j特征i」的完全相同的列，既冗余又容易触发列名重名冲突
• 没有按照统一规则生成唯一列名，后续传入Sklearn训练时很容易因为列名重复触发索引错误

方式1：Sklearn内置特征生成器（最适配Lasso建模流程） #

完全不需要手写循环，自动完成特征组合、列名生成，零冗余：

from sklearn.preprocessing import PolynomialFeatures
import pandas as pd
# 初始化特征生成器：关闭常数偏置，degree=2覆盖所有二次组合
poly = PolynomialFeatures(degree=2, include_bias=False)
# 传入原始19列预测变量数据
feature_array = poly.fit_transform(df2)
# 自动生成全局唯一的规范列名
feature_columns = poly.get_feature_names_out(df2.columns)
# 转成标准DataFrame可直接传入Lasso模型训练
df3 = pd.DataFrame(feature_array, columns=feature_columns, index=df2.index)

列数核对：J=19时，这套设置生成的内容包含19个原始线性项、19个单变量平方项、171个无重复的两两交叉交互项，总列数209。如果你只需要171个纯交叉交互项、不需要原始项和平方项，可将参数调整为interaction_only=True后再筛选掉原始特征列即可，和你最初的列数目标完全匹配。
小提示：生成完所有特征后，接入Lasso前记得做标准化处理，否则不同量纲的特征会直接影响Lasso的惩罚项计算结果，导致系数估计偏差。

方式2：手写循环实现（适配自定义列名规则需求） #

如果需要自定义列名格式，修正遍历逻辑后的循环代码完全可达到预期效果：

df3 = pd.DataFrame(index=df2.index)
col_list = list(df2.columns)
# 仅遍历无重复的特征对，避免重复计算
for i in range(len(col_list)):
    for j in range(i, len(col_list)):
        # 按自定义规则生成唯一列名，杜绝重名问题
        new_col = f"{col_list[i]}__mul__{col_list[j]}"
        df3[new_col] = df2[col_list[i]] * df2[col_list[j]]

这套逻辑下，19个特征生成的i<j交叉项刚好为171列，列名自动按规则生成，不需要手动维护命名逻辑。

内容的提问来源于stack exchange，提问作者Nish