@[TOC] （关于python 如何实现数据内两两特征相乘）

写在前面

花了点时间，记录自己写的烂代码吧，有错请指出

第一种方法(两个for循环)

temp=pd.DataFrame() for i in range(temp1.shape[1]): for j in range(i+1,temp1.shape[1]): tempij=temp1.iloc[:,i]/temp1.iloc[:,j] # tempij=temp11.iloc[:,i]*temp11.iloc[:,j] temp=pd.concat([temp,tempij],axis=1)

第一种也是最简单的，但估计在数据量比较大时，估计速度会比较慢，因为这点被我同门吐槽了

第二种方法（一个for循环）

a=pd.DataFrame() for i in range(temp1.shape[1]-1)]： a=pd.concat([a,pd.DataFrame(np.array(temp1.iloc[:,i])+ np.array(temp1.iloc[:,(i+1):temp1.shape[1]]).T)],axis=0) a=a.T

不知道为什么虽然只用了一个循环，但感觉语句好长呀

结果展示

第一种方法

第二种方法

可以看到第二种方法速度远远快于第一种方法，大概快10倍左右，这还只是个20列的矩阵，如果更大的话，应该会更快