本文介绍使用 pandas 的 groupby + itertools.combinations 高效生成组内所有两两组合，并将原始列（如 b_m、b_n）分别拆分为对应的新列对（b_m1/b_m2、b_n1/b_n2），自动过滤单行组，适用于特征工程与配对分析场景。
本文介绍使用 pandas 的 groupby + itertools.combinations 高效生成组内所有两两组合，并将原始列（如 b_m、b_n）分别拆分为对应的新列对（b_m1/b_m2、b_n1/b_n2），自动过滤单行组，适用于特征工程与配对分析场景。
在数据分析中，常需将同一分组下的多个观测两两配对，用于计算相似性、构建边关系或生成交互特征。例如，给定按 Group 分组的 DataFrame，要求对每组内 B_m 和 B_n 列的所有元素生成所有无序二元组合（即 itertools.combinations(..., r=2)），并将每对值分别存入新列 B_m1/B_m2 和 B_n1/B_n2，同时保留其他分组键列（如 A_x, A_y）。单行组会被自动排除，多行组则完整展开所有唯一组合。
以下是推荐的高效实现方案（避免显式循环，充分利用 pandas 向量化与分组操作）：
import pandas as pd
from itertools import combinations
# 构造示例数据
df = pd.DataFrame(
data=[
[0, 4, 7, -1, 0.9],
[0, 4, 7, 0, 0.3],
[0, 4, 7, 1, 0.2],
[1, 3, 3, 1, 0.5],
[1, 3, 3, 0, 0.2],
[2, 1, 8, 0, 0.6],
],
columns=['Group', 'A_x', 'A_y', 'B_m', 'B_n'],
)
# 定义需展开的列名及分组列
cols_to_expand = ['B_m', 'B_n']
group_cols = list(df.columns.difference(cols_to_expand, sort=False))
# 核心逻辑：按 group_cols 分组，对每列应用 combinations，重命名并拼接
g = df.groupby(group_cols, sort=False)
result = pd.concat([
g[col].apply(lambda x: pd.DataFrame(list(combinations(x, r=2))))
.rename(columns=lambda i: f'{col}{i+1}')
for col in cols_to_expand
], axis=1).reset_index(group_cols)
print(result)输出结果：
Group A_x A_y B_m1 B_m2 B_n1 B_n2 0 0 4 7 -1.0 0.0 0.9 0.3 1 0 4 7 -1.0 1.0 0.9 0.2 2 0 4 7 0.0 1.0 0.3 0.2 3 1 3 3 1.0 0.0 0.5 0.2
✅ 关键优势说明：
- 自动去单行组：combinations(x, 2) 对长度 < 2 的序列返回空迭代器，pd.DataFrame([]) 生成空 DataFrame，后续 concat 自然跳过；
- 严格保持组内结构：groupby(..., sort=False) 保留原始顺序，reset_index(group_cols) 确保分组键列正确还原；
- 列名自动映射：rename(columns=lambda i: f'{col}{i+1}') 将组合索引 0→1, 1→2 映射为 B_m1, B_m2 等；
- 可扩展性强：只需修改 cols_to_expand 列表即可支持任意多列同步展开。
⚠️ 注意事项：
- 若原始数据含缺失值（NaN），combinations 会将其视作普通值参与组合；如需剔除，建议预处理：df.dropna(subset=cols_to_expand)；
- 组合数随组大小呈 O(n²) 增长，对超大组（如 n > 1000）可能内存压力显著，此时建议加 if len(x) >= 2: 判断或改用生成器分批处理；
- 列名冲突风险：确保 cols_to_expand 中列名不含数字后缀，避免重命名冲突（如 B_m1 已存在）。
该方法简洁、健壮且符合 pandas 惯用范式，是处理“组内两两配对展开”任务的标准实践。
