用形状可变的输入列表的Carthesian乘积填充数据帧

Question

我想创建一个脚本，用值填充数据帧，这些值是我想在一系列实验中改变的参数的Carthesian乘积。我的第一个想法是使用itertools的乘积函数，但它似乎需要一组固定的输入列表。我正在寻找的输出可以使用以下示例生成：

cols = ['temperature','pressure','power']
l1 = [1, 100, 50.0 ]
l2 = [1000, 10, np.nan] 
l3 = [0, 100, np.nan]

data = []
for val in itertools.product(l1,l2,l3): #use itertools to get the Carthesian product of the lists
data.append(val) #make a list of lists to store each variation
df = pd.DataFrame(data, columns=cols).dropna(0) #make a dataframe from the list of lists (dropping NaN values)

然而，我想从任意形状的数据帧中提取参数，然后用产品填充数据帧，就像这样(代码不起作用(：

data = [{'parameter':'temperature','value1':1,'value2':100,'value3':50},
{'parameter':'pressure','value1':1000,'value2':10},
{'parameter':'power','value1':0,'value2':100},
]
df = pd.DataFrame(data)
l = []
cols = []
for i in range(df.shape[0]):
l.append(df.iloc[i][1:].to_list()) #store the values of each df row to a separate list
cols.append(df.iloc[i][0]) #store the first value of the row as column header
data = []
for val in itertools.product(l): #ask itertools to parse a list of lists
data.append(val)
df2 = pd.DataFrame(data, columns=cols).dropna(0)

你能推荐一种方法吗？我的目标是创建最终的数据帧，所以不需要使用itertools。

Answer 1

没有product的另一种选择(不过product没有错(可以使用.join()和how="cross"来产生连续的交叉产物：

df2 = df.T.rename(columns=df.iloc[:, 0]).drop(df.columns[0])
df2 = (
df2.iloc[:, [0]]
.join(df2.iloc[:, [1]], how="cross")
.join(df2.iloc[:, [2]], how="cross")
.dropna(axis=0)
)

结果：

temperature pressure power
0            1     1000     0
1            1     1000   100
3            1       10     0
4            1       10   100
9          100     1000     0
10         100     1000   100
12         100       10     0
13         100       10   100
18        50.0     1000     0
19        50.0     1000   100
21        50.0       10     0
22        50.0       10   100

product:的紧凑型

from itertools import product
df2 = pd.DataFrame(
product(*df.set_index("parameter", drop=True).itertuples(index=False)),
columns=df["parameter"]
).dropna(axis=0)