Python 列中所有可能的绝对成对偏差之和

所以我有一个数据集，有两列，一列是带有产品名称的字符串变量，另一列是区间值

Affiliate_ID          Average "A" Level
store X                      7.0
store Y                      4.3
store Z                      5.6

我很好奇，在python中是否可以计算和求出所有可能的两两差异，而不重复

Sum = |7.0 - 4.3| + |4.3 - 5.6| + |7.0 - 5.6|

我不知道python执行此类操作的最佳格式是什么，但我将数据保存在csv文件和excel文件中。我使用pandas将数据获取到数据帧中。我尝试过的一件事是从数据帧中获取一个特定的列

df = pd.DataFrame.from_csv(infile_path + "mp_viewed_item_AGG_affiliate_item_TOP_10.csv", sep=',')
i = 0
for i in df:
    x = df[i]

但这感觉不正确-好像它哪儿也去不了（我不知道！）

有人建议我使用一种叫做itertools的东西，并提供了一个样本

sum([args[i] - args[j] for i,j in itertools.permutations(range(len(args)

但我真的不知道该怎么做

如果有人能给我提供一些关于我的问题的见解，我将非常感激。我是python的新手；我懂基础知识，写过几个非常简单的程序，但我根本不是开发人员

import itertools
column = [3, 1, 7, 2, 9, 4]

你可以这样做一对

# You can use set() instead of list() if you want to remove duplicates
list(itertools.combinations(column,2))

输出

[(3, 1), (3, 7), (3, 2), (3, 9), (3, 4),
 (1, 7), (1, 2), (1, 9), (1, 4),
 (7, 2), (7, 9), (7, 4),
 (2, 9), (2, 4),
 (9, 4)]

然后，您可以使用列表获得差异的总和

sum([abs(pair[1] - pair[0]) for pair in itertools.combinations(column,2)])

输出

[(3, 1), (3, 7), (3, 2), (3, 9), (3, 4),
 (1, 7), (1, 2), (1, 9), (1, 4),
 (7, 2), (7, 9), (7, 4),
 (2, 9), (2, 4),
 (9, 4)]

56

---

像这样使用

itertools.compositions

import pandas as pd
import itertools

d = {'Affiliate_ID': pd.Series(['store X', 'store Y', 'store Z']), 'Average "A" Level': pd.Series([7.0, 4.3, 5.6])}
df = pd.DataFrame(d)

print sum(abs(x - y) for x, y in itertools.combinations(df['Average "A" Level'], 2))

---

几行示例数据有帮助，并且您希望输出看起来像@dawg，data addedCyber，谢谢，但是如果第一列数据是string，这会起作用吗？所以，因为我没有第二列数据，所以我所做的是：对于itertools.product（column，column））中的pair，AbsDev=sum（abs（pair[1]-pair[0]）/2这合乎情理吗？@trichman22请查看上面的编辑。如果您是从同一列表中进行配对，则不希望执行

产品（列，列）

，否则您将得到该配对的差异为

0

的重复。你可以使用

itertools.combinations

来进行配对。用户我也不知道如何“检查”你的字典，但它看起来非常健壮，我担心这本字典对我来说只是有点技术性，但我还是会认真研究它，试着理解它！再次感谢！