python所有组合_Python 生成所有组合

Python 生成所有组合，除了排列，itertools模块还提供了计算集合元素组合的函数。对于组合来说，顺序不重要。对于一个给定的集合，组合的数量远小于排列的数量，对于 P 个元素组成的集合，r元组合的数量为:

例如，5张扑克牌共有2 598 960种组合方式，以下代码列出了所有组合形式：

实际应用中，在对包含多个变量的数据集进行探索性分析时，经常要计算任意两个变量间的相关性。如果有 \upsilon 个变量，可用下面的表达式枚举所有需要比较的变量对：

下面从http://www.tylervigen.com取样本数据来展示完整的处理流程。首先从中选择3个有共同时间范围的样本：第7号、第43号和第3890号，把它们放在同一个数据表中，保留各自的“年份”列。

数据表第一行和后面按年份排列的数据行如下所示：

使用combinations()函数基于9个变量生成所有二元比较对。

共有36种组合，去掉其中由各个年份列形成的组合，它们的相关系数是1.00。

从数据集中提取列的函数如下所示：

然后用前面介绍的corr()函数比较两列数据。

如下所示计算所有组合相关系数：

对于组合在一起的列，首先将它们从数据集中提取出来，header_p, *data_p =语句通过多重赋值将序列的第一个值(即标题)与后面的数据分离。如果标题一致，说明参与计算的是同一列。在上面的数据集中，由于存在3个重复的年份列，所以要排除这种情况。

之后用相关性函数处理这些列，得到相关系数，再打印出这些列的标题，这里特意选择了几个模式不同但相关度很高的伪相关特征。

计算结果如下：

数据体现出的模式的意义尚不清楚，为什么存在相关性？这些缺乏明确意义的、含混的相关性会干扰统计分析，但我们找到了那些相关性很高却缺乏关联因素的数据。

这里的重点是使用简单的表达式combinations(range(9), 2)生成了所有可能的数据组合。利用这类简单易用的技术让我们可以专注于处理数据分析中的问题，而不必费心于构建组合算法。