Python 如何从所有列计算成对矩阵

假设我有数据帧：

data = [[11, 10, 13], [16, 15, 45], [35, 14,9]] 
df = pd.DataFrame(data, columns = ['A', 'B', 'C']) 
df 

数据如下所示：

    A   B   C
0   11  10  13
1   16  15  45
2   35  14  9

实际数据由100列和1000行组成

我有一个函数，函数的目的是计算有多少值高于另一列的最小值。函数如下所示：

def get_count_higher_than_min(df, column_name_string, df_col_based):
    seriesObj = df.apply(lambda x: True if x[column_name_string] > df_col_based.min(skipna=True) else False, axis=1)
    numOfRows = len(seriesObj[seriesObj == True].index)
    return numOfRows

get_count_higher_than_min(df, 'A', df['B'])

函数的输出示例如下：

def get_count_higher_than_min(df, column_name_string, df_col_based):
    seriesObj = df.apply(lambda x: True if x[column_name_string] > df_col_based.min(skipna=True) else False, axis=1)
    numOfRows = len(seriesObj[seriesObj == True].index)
    return numOfRows

get_count_higher_than_min(df, 'A', df['B'])

输出为

3

。这是因为

df['B']

的最小值是

10

，来自

df['A']

的三个值高于

10

，因此输出为

3

问题是我想使用该函数计算所有列的成对

我不知道怎样才能有效地解决这个问题。我希望输出的形式类似于混淆矩阵或类似于相关矩阵

示例输出：

    A   B   C
A   X  3  X
B   X  X  X
C   X  X  X

来自itertools导入产品的

成对=产品（df.columns，repeat=2）
最小值={}
输出=[]
对于成对的每个_对：
#确保我们只计算一次最小值
最小值=最小值.get（每个值对[1]，df[每个值对[1]].min（））
最小值[每对[1]]=min_
count=df[df[每对[0]]>min[每对[0]].count（）
output.append（计数）
df_所需=pd.DataFrame(
[输出[i:i+len（df.列）]，用于范围内的i（0，len（输出），len（df.列））]，
columns=df.columns，index=df.columns）
打印（需要df_）

这是O（n2m），其中n是列数，m是行数

minima = df.min()
m = pd.DataFrame({c: (df > minima[c]).sum()
                  for c in df.columns})

结果:

>>> m
   A  B  C
A  2  3  3
B  2  2  3
C  2  2  2

---

理论上O（n log（n）m）是可能的。

在相等的情况下该怎么办？数据总是整数吗？你能发布完整的输出吗，因为验证答案是否正确很重要