python - 对整个数据集重复相同的过程

Question

给定数据帧 df:

        1           1.1     2           2.1     ...     1600      1600.1
    0   45.1024     7.2365  45.8769     7.1937          34.1072   8.4643
    1   43.1024     8.9645  32.5798     7.7500          33.1072   9.3564
    2   42.1024     6.7498  25.1027     7.3496          26.1072   6.3665

我做了以下操作:我选择了第一个(1 and 1.1) 对并创建了一个数组。然后我对以下一对 (2 和 2.1) 做了同样的事情。

x = df['1']
y = df['1.1'] 
P = np.array([x, y])

和

q = df['2']
w = df['2.1']
Q = np.array([q, w])

最终操作是:

Q_final = list(zip(Q[0], Q[1]))
P_final = list(zip(P[0], P[1]))

现在我想对整个数据集执行此操作。但这需要很多时间。知道如何快速迭代吗？

已编辑

毕竟我在做

df = similaritymeasures.frechet_dist(P_final, Q_final)

所以我想获得一个包含所有列组合的新数据集(也许)

Answer 1

一个简单的方法是在轴 1 上使用 agg

def f(s):
  s = iter(s)
  return list(zip(s,s))

agg = df.agg(f,1)

然后要检索，使用.str。例如，

agg.str[0] # P_final
agg.str[1] # Q_final
.
.
.

---

此外，groupby 是否可以跨越 axis=1，假设您需要每对列

df.groupby(np.arange(len(df.columns))//2, axis=1).apply(lambda s: s.agg(list,1))