Python 计算公式中一行与所有其他行的差值之和

我有一个数据帧

value    | count
-----------------
1.8      |  3
1.7      |  2
6.3      |  7
8.4      |  3

我想创建一个新列，其中每一行都有一个值

sum(count[i]*count[j]*(value[i]-value[j])**2,{sum over j where j>i})

其中j跨越索引大于第i行的所有行

如果我提取值列表values=[1.8,1.7,6.3,8.4]，我可以将值[I]-value[j]**2计算为j>I

但是我没有找到一种方法在熊猫中实现整个公式，因为还涉及第二列的值。有人能帮我吗

给定上面的数据帧，预期列的值为[92.61817.35565.58,0]

让我们进行numpy广播

v=df.value.values
c=df['count'].values
np.sum(np.tril(c*c[:,None]*((v-v[:,None])**2),-1).T,1)
array([817.35, 565.58,  92.61,   0.  ])

---

你的预期产出是多少？你能发布这方面的数据框架吗？我已经添加了预期结果，并澄清了一点我的问题计数[I]和计数[j]不清楚。值1.7的计数[i]等于2，且计数[j]=2；数值6.3等于3且计数[j]=1时的计数[i]；值8.4等于4且计数[j]=0的计数[i]等？计数[i]是列计数中的值，对应于值[i]，其中i是行数。因此，count[j]是值[j]的对应项。例如，值[0]=1.8，计数[0]=3，值[1]=1.7，计数[1]=3。现在希望更清楚了，对于i=0行，我们必须在[1,2,3]中对j进行总结。对于i=1，一个从[2,3]中的j求和，因为iv=df.value.values c=df['count'].values np.sum(np.tril(c*c[:,None]*((v-v[:,None])**2),-1).T,1) array([817.35, 565.58, 92.61, 0. ])