如何从Pandas DataFrame创建多个列组合？

发布于 2025-01-27 09:30:59 字数 473 浏览 2 评论 0原文

我将用图纸说明我的问题：

我有一个Pandas DataFrame，其中13列6种不同类型。然后，我随机地想采用每种类型之一，并创建一个新表以执行后续分析。因此，最后我想创建（3选择1） * 1 *（2选择1） *（2选择1） *（4选择1） * 1 = 1 = 48个pandas dataframe中的新dataframes。

这些列没有特定的名称，但可以例如：a1，a2，a3，b1，c1，c2，d1，d1，d2，e1，e2，e2，e3，e4，f1

有任何人一个想法如何在Python中实现此问题？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

断肠人 2025-02-03 09:30:59

如果您可以根据其类型将列名与列表分开，那么您的问题就会成为查找这些列表的笛卡尔产品的问题。找到笛卡尔产品后，您可以在其上迭代并使用列名的组合过滤您的数据框（有（3选择1） * 1 *（2选择1） *（2选择1） *（4选择1） * 1 = 48）。

A_cols = ['A1','A2','A3']
B_cols = ['B1']
C_cols = ['C1','C2']
D_cols = ['D1','D2']
E_cols = ['E1','E2','E3','E4']
F_cols = ['F1']

# column_combos is length 48
column_combos = pd.MultiIndex.from_product([A_cols,B_cols,C_cols,D_cols,E_cols,F_cols])
# out is a dictionary of 48 DataFrames
out = {';'.join(cols): df[[*cols]] for cols in column_combos}

If you can separate column names to lists according to their types, then your problem becomes a question of finding the Cartesian product of these lists. Once you find the Cartesian product, you can iterate over it and filter your DataFrame with a combination of column names (there are (3 choose 1) * 1 * (2 choose 1) * (2 choose 1) * (4 choose 1) * 1 = 48 of them).

A_cols = ['A1','A2','A3']
B_cols = ['B1']
C_cols = ['C1','C2']
D_cols = ['D1','D2']
E_cols = ['E1','E2','E3','E4']
F_cols = ['F1']

# column_combos is length 48
column_combos = pd.MultiIndex.from_product([A_cols,B_cols,C_cols,D_cols,E_cols,F_cols])
# out is a dictionary of 48 DataFrames
out = {';'.join(cols): df[[*cols]] for cols in column_combos}

回复收藏 0 原文

~没有更多了~