Python熊猫构建完整的对比矩阵

我有一个使用Python的特定查询。
对拙劣的演讲表示歉意

我有一个这样的df

CG | T
------


    10   | 0.5   
    21   | 0.2  
    33   | 0.3  
    45   | 0.6

我想为CG建立所有可能的对比
那大概是

CG1 || CG2 || T1 || T2 || contrast||   
10 || 21 || 0.5 || 0.2 || 0.3 ||   
10 || 33 || 0.5 || 0.3 || 0.2 ||   
10 || 45 || 0.5 || 0.6 || -0.1 ||   
21 || 33 || 0.2 || 0.3 || -0.1 ||     
21 || 45|| 0.2 || 0.6  || -0.4 ||   
33 || 45 || 0.3 || 0.6 || -0.3 || 

我做了一个循环，循环所有行并合并回来-当数据变大时效率不高（n CG=800） 我想知道1）是否有一种有效的方法来进行这样的循环或/和2）将df转换为如下合同矩阵：

--- || 10 || 21 || 33 || 45 ||  
10 || 0.5 || 0.3 || 0.2 || -0.1 ||    
21 || 0.3 || 0.2 || -0.1 || -0.4 ||  
33 || 0.2 || -0.1 || 0.3 || -0.3 ||   
45|| -0.1 || -0.4 ||-0.3 || 0.6 ||

我读过几篇关于高效循环的帖子——这个问题的特殊性在于我想在所有组之间建立对比（CG）；这就像用对角矩阵分层，并希望用对角元素的差异填充所有非对角单元格（因此我想到使用矩阵）

---

干杯

这里有一个简单的方法，使用分步初始化和赋值-

n = a.shape[0]
r,c = np.triu_indices(n,1)
L = len(r)
out = np.empty((L,5))
out[:,:-1:2] = a[r]
out[:,1::2] = a[c]
out[:,-1] = out[:,2] - out[:,3]

样本输入、输出-

In [105]: a
Out[105]: 
array([[ 10. ,   0.5],
       [ 21. ,   0.2],
       [ 33. ,   0.3],
       [ 45. ,   0.6]])

In [106]: out
Out[106]: 
array([[ 10. ,  21. ,   0.5,   0.2,   0.3],
       [ 10. ,  33. ,   0.5,   0.3,   0.2],
       [ 10. ,  45. ,   0.5,   0.6,  -0.1],
       [ 21. ,  33. ,   0.2,   0.3,  -0.1],
       [ 21. ,  45. ,   0.2,   0.6,  -0.4],
       [ 33. ,  45. ,   0.3,   0.6,  -0.3]])

---

与

pandas

数据帧接口的唯一工作是使用

a=df.values

获取输入数组

a

，其中

df

是输入数据帧，然后使用建议的方法。最后，可以通过调用

pd.dataframe（out）

将输出转换为数据帧，以获得输出数据帧。

优秀的东西Divakar-我将对其进行测试！非常感谢@捷运。如果可能的话，我希望从您的实际数据集中得到一些加速数字。现在就开始运行！非常有效的一段代码-猜测时间增益+50%。非常感谢迪瓦卡。干杯