本文介绍如何将 pandas dataframe 的每一行视为一个整体单元，高效生成指定数量的行组合，并将组合结果横向展开为宽格式 dataframe，列名按原始列循环重复。
本文介绍如何将 pandas dataframe 的每一行视为一个整体单元，高效生成指定数量的行组合，并将组合结果横向展开为宽格式 dataframe，列名按原始列循环重复。
在数据分析与特征工程中，常需基于原始样本（即 DataFrame 的行）构造高阶交互组合，例如构建三元组、四元组等用于图学习、配对建模或组合特征生成。关键要求是：**每行作为一个原子单位参与组合，而非拆解为单个元素；组合结果需保持结构清晰，列名按原始列名循环扩展**。
以下以组合大小为 3 为例，给出高效、内存友好的实现方案：
import pandas as pd
import itertools
import numpy as np
from itertools import chain
# 示例数据
df = pd.DataFrame({'A': ['a', 'b', 'c', 'd'], 'B': ['1', '2', '3', '4']})
combination_size = 3
# 步骤 1：生成所有行索引/值的组合（推荐使用 .values 提升性能）
row_combinations = itertools.combinations(df.values, combination_size)
# 步骤 2：逐组合展平（避免一次性 list() 全部加载，节省内存）
flattened_rows = (list(chain.from_iterable(comb)) for comb in row_combinations)
# 步骤 3：构建目标 DataFrame，列名动态重复
columns = np.tile(df.columns, combination_size) # ['A','B','A','B','A','B']
result_df = pd.DataFrame(flattened_rows, columns=columns)
输出结果为：
A B A B A B 0 a 1 b 2 c 3 1 a 1 b 2 d 4 2 a 1 c 3 d 4 3 b 2 c 3 d 4
✅ 关键优化点说明：
- 使用
itertools.combinations(df.values, k)而非df.index或df.iterrows()，避免对象开销，直接操作 NumPy 数组，显著提升速度； - 采用生成器表达式
(chain.from_iterable(...) for ...)替代list([...])，避免中间列表爆炸性内存占用，尤其适用于中大型 DataFrame（如 >10k 行）； -
np.tile(df.columns, k)比列表推导式[col for i in range(k) for col in df.columns]更简洁、向量化且可读性更强； - 若需保留原始索引信息（如后续关联溯源），可在组合前添加
df.reset_index(drop=False)并将index列纳入组合逻辑。
⚠️ 注意事项：
- 组合总数为 C(n, k)，当
n=10000,k=4时已达约 10¹⁴ 级别，务必预先评估组合规模，避免内存溢出； - 如仅需采样而非全量组合，建议改用
itertools.islice或随机抽样策略； - 若原始 DataFrame 含混合类型（如 datetime、category），
.values可能降级为object类型，此时可改用df.to_numpy(dtype=object)显式控制。
该方法兼顾可读性、性能与扩展性，是处理行级组合任务的生产级推荐实践。
