pandas使用多索引从距离矩阵创建数据帧

我有两种对象——F和P——上面有标记,我想计算属于不同类别的每个标记之间的距离,然后构建一个数据帧,每个数据帧有一行来自不同类别的每对标记及其距离。下面的代码似乎可以满足我的要求:

import itertools
import operator
from collections import OrderedDict

import numpy as np
import pandas as pd
from scipy.spatial.distance import cdist

i = np.sqrt(2)
j = 2 * i
# dicts mapping category and tag to x, y coordinates
timeframe_f = OrderedDict(
    [(('F1', 'tag1f1'), (0, 0)), (('F2', 'tag1f2'), (-i, -i)), ])
timeframe_p = OrderedDict(
    [(('B1', 'tag1b1'), (i, i)), (('B2', 'tag1b2'), (j, j)),
     (('B2', 'tag2b2'), (2 * j, 2 * j)), ])
# calculate the distances
distances = cdist(np.array(list(timeframe_f.values())),
                  np.array(list(timeframe_p.values())), 'sqeuclidean')
print('distances:\n', distances, '\n')
# here is the matrix with the MultiIndex
distances_matrix = pd.DataFrame(data=distances,
                                index=pd.MultiIndex.from_tuples(
                                    timeframe_f.keys(),
                                    names=['F', 'Ftags']),
                                columns=pd.MultiIndex.from_tuples(
                                    timeframe_p.keys(),
                                    names=['P', 'Ptags']), )
print('distances_matrix:\n', distances_matrix, '\n')
# hacky construction of the data frame
index = list(map(lambda x: operator.add(*x), (
    itertools.product(timeframe_f.keys(), timeframe_p.keys()))))
# print(index)
multi_index = pd.MultiIndex.from_tuples(index)
distances_df = pd.DataFrame(data=distances.ravel(),
                            index=multi_index, ).reset_index()
print('distances_df:\n', distances_df)

它打印:

distances:
 [[  4.  16.  64.]
 [ 16.  36. 100.]] 

distances_matrix:
 P             B1     B2       
Ptags     tag1b1 tag1b2 tag2b2
F  Ftags                      
F1 tag1f1    4.0   16.0   64.0
F2 tag1f2   16.0   36.0  100.0 

distances_df:
   level_0 level_1 level_2 level_3      0
0      F1  tag1f1      B1  tag1b1    4.0
1      F1  tag1f1      B2  tag1b2   16.0
2      F1  tag1f1      B2  tag2b2   64.0
3      F2  tag1f2      B1  tag1b1   16.0
4      F2  tag1f2      B2  tag1b2   36.0
5      F2  tag1f2      B2  tag2b2  100.0

distances_matrix . 我看了很多其他问题:

• Python Pandas - How to flatten a hierarchical index in columns :但这会将列名作为字符串进行操作,而我希望使用列产品构造索引
• Pandas Multiindex Groupby on Columns :在这里,列中没有多索引,尽管有一种使用方法会很好,因为我最终希望按类别分组