如何拆分 dataframe 和 select 所有可能的對？

Question

我有一個 dataframe，我想把它分開，以便應用某個 function。

我有字段 df['beam']、df['track']、df['cycle'] 並希望通過這三個字段中的每一個的唯一值將其分開。 然后，我想將這個 function （它在兩個單獨的數據幀之間工作）應用於滿足 df['track'] 兩者之間不同的每一對。 此外，如果您切換對的順序，結果也不會改變，所以如果可能的話，我不想對 function 進行不必要的調用。

我目前使用四個嵌套的 for 循環將其處理成一個 if 條件，但我絕對確定有更好、更簡潔的方法。

我會很感激所有的幫助！

編輯：我最終像這樣解決了它：

1. 我使用 df.groupby() 將原始的 dataframe 分成多個

   dfsplit=df.groupby(['beam','track','cycle'])

   這會生成一個字典，其中鍵是所有唯一的 ['beam','track','cycle'] 組合作為元組

2. 我使用 itertools.combinations() 組合了所有可能的 ['beam','track','cycle'] 對

   keys=list(itertools.combinations(dfsplit.keys(),2))

這會生成一個 2 元素元組列表，其中每個元素都是一個 ['beam','track','cycle'] 元組本身，並且不包括交換順序的元組，因此我避免調用 function 兩次對於相同的情況。

3. 我通過 for 循環刪除了“track”相同的組合

   for k in keys.copy(): if k[0][1]==k[1][1]: keys.remove(k)

現在我可以通過循環組合列表來調用我的 function

for k in keys:
 function(dfsplit[k[0]],dfsplit[k[1]])

第 3 步需要很長時間，可能是因為我有大量獨特的 ['beam','track','cycle'] 組合，所以列表很長，但也可能是因為我正在做子-最佳。 如果有人意識到執行最后一步的更好方法，我會保留這個問題。

編輯 2：再次使用 itertools 解決了第 3 步的問題，只需執行

keys=list(itertools.filterfalse(lambda k : k[0][1]==k[1][1], keys))

itertools.filterfalse 將返回 false 的列表中的所有元素返回到定義的 function，因此它的作用與前面的 for 循環相同，但選擇 false 而不是刪除 true。 它非常快，我相信這可以徹底解決我的問題。

Answer 1

我不知道如何將問題標記為已解決，所以我將在這里重復解決方案：

dfsplit=df.groupby(['beam','track','cycle'])
keys=list(itertools.combinations(dfsplit.keys(),2))
keys=list(itertools.filterfalse(lambda k : k[0][1]==k[1][1], keys))
for k in keys:
   function(dfsplit[k[0]],dfsplit[k[1]])