如何在Numpy二维数组的每一对列上执行指定函数？

嘿，看来你需要对Numpy数组里的每一对列执行自定义函数对吧？看你给出的基因型数组（元素是1、0、-1，应该是表示不同的等位基因编码或者缺失值），我给你整理几个实用的方案，从简单直观到高效向量化都有：

如果你的数组是g，可以直接遍历所有i≤j的列对——这样能避免重复计算（比如列0和列1的结果和列1和列0通常是对称的）。举个例子，假设我们要计算两列基因型的匹配率：

import numpy as np

# 自定义函数：计算两列基因型的匹配比例
def genotype_similarity(col1, col2):
    return np.mean(col1 == col2)

# 获取数组的列数
n_cols = g.shape[1]
# 初始化对称结果矩阵
result_matrix = np.zeros((n_cols, n_cols))

for i in range(n_cols):
    for j in range(i, n_cols):
        if i == j:
            # 自己和自己的相似度设为1
            result_matrix[i,j] = 1.0
        else:
            sim = genotype_similarity(g[:, i], g[:, j])
            result_matrix[i,j] = sim
            result_matrix[j,i] = sim  # 对称赋值，避免重复计算

print(result_matrix)

这个方法逻辑直白，新手也能快速理解，不过如果你的列数特别多（比如上千列），速度会稍慢。

用itertools.combinations可以自动生成所有不重复的列对，代码会更清爽：

import itertools

for i, j in itertools.combinations(range(n_cols), 2):
    sim = genotype_similarity(g[:, i], g[:, j])
    result_matrix[i,j] = sim
    result_matrix[j,i] = sim

本质和方法1效率差不多，但代码更简洁，适合列数不是特别夸张的场景。

如果你的自定义函数可以拆解成Numpy的元素级操作，那用向量化方法能大幅提升速度——完全没有Python循环，靠Numpy的底层C实现加速。还是以计算匹配率为例：

# 转置数组，变成(列数, 行数)的形状，方便广播运算
g_T = g.T
# 广播计算每一列和其他所有列的匹配次数，得到(n_cols, n_cols)的矩阵
matches = (g_T[:, None, :] == g_T[None, :, :]).sum(axis=2)
# 除以总行数，得到相似度矩阵
similarity_matrix = matches / g.shape[0]

这个方法处理上万列都不在话下，前提是你的自定义函数能适配向量化逻辑。如果函数涉及复杂条件（比如要忽略缺失值），也可以调整：

# 假设-1是缺失值，计算时忽略这些位置
valid_mask = (g_T[:, None, :] != -1) & (g_T[None, :, :] != -1)
# 只统计有效位置的匹配数
matches = (g_T[:, None, :] == g_T[None, :, :]) & valid_mask
# 计算有效匹配比例，无有效数据的位置设为NaN
similarity_matrix = matches.sum(axis=2) / valid_mask.sum(axis=2)
similarity_matrix[valid_mask.sum(axis=2) == 0] = np.nan

内容的提问来源于stack exchange，提问作者ksw