如何自动化生成DataFrame中各列单向比值的ratios_df？（类同但异于两两列比值计算）

没问题，我来帮你搞定这个需求！要生成每一列与其他列的单向比值（避免双向重复，比如只保留A/B而不生成B/A），我们可以借助Python的itertools.combinations来高效生成所有不重复的列对，再批量计算比值。下面是完整的实现步骤和代码示例：

步骤1：准备测试数据（可替换为你的真实DataFrame） #

首先我们先构造一个示例DataFrame，方便你直接验证效果：

import pandas as pd
from itertools import combinations

# 创建测试DataFrame
data = {
    'A': [10, 20, 30],
    'B': [2, 4, 6],
    'C': [5, 10, 15]
}
df = pd.DataFrame(data)

步骤2：生成单向列对并计算比值 #

利用combinations可以生成所有无序的两两列组合（保证单向，不会重复），然后通过字典推导式批量计算每对列的比值，最后转换成新的ratios_df：

# 生成所有单向列组合（比如(A,B), (A,C), (B,C)）
column_pairs = combinations(df.columns, 2)

# 批量计算比值，构造结果DataFrame
ratios_df = pd.DataFrame({
    f"{col1}/{col2}": df[col1] / df[col2]
    for col1, col2 in column_pairs
})

步骤3：查看结果 #

运行后，ratios_df的输出会是这样：

A/B  A/C  B/C
0  5.0  2.0  0.4
1  5.0  2.0  0.4
2  5.0  2.0  0.4

完全符合单向比值的要求，没有重复的反向比值。

可选：处理除数为0的情况 #

如果你的DataFrame里可能存在0值，为了避免ZeroDivisionError，可以在计算时添加容错处理，比如把无穷大值替换为NaN或者指定值：

ratios_df = pd.DataFrame({
    f"{col1}/{col2}": df[col1].div(df[col2]).replace([float('inf'), -float('inf')], pd.NA)
    for col1, col2 in column_pairs
})

这样遇到除数为0时，结果会被替换为缺失值，方便后续处理。

这个方法完全自动化，不管你的DataFrame有多少列，都能一次性生成所有单向比值，不用手动逐个写计算逻辑～

内容的提问来源于stack exchange，提问作者user42485