我想創建 DataFrame，可能是稀疏的，它測量用戶之間的相關性。在這里，我對 和 之間相關性的定義user_1是user_2它們action在同一天執行相同的次數。我將嘗試用一個例子更好地解釋自己。假設我有以下數據框：date    action  user6   2019-05-05  b   user_39   2019-05-05  b   user_21   2019-05-06  b   user_25   2019-05-06  a   user_10   2019-05-07  b   user_37   2019-05-07  a   user_28   2019-05-07  a   user_12   2019-05-08  c   user_24   2019-05-08  c   user_13   2019-05-09  c   user_3可以使用以下代碼段生成：import numpy as npimport pandas as pdnp.random.seed(12)users = np.random.choice(['user_1', 'user_2', 'user_3'], size=10)actions = np.random.choice(['a', 'b', 'c'], size=10)date = np.random.choice(pd.date_range(start='2019-05-05', end='2019-05-10', freq='D'), size=10)df = pd.DataFrame(dict(date=date, action=actions, user=users))df.date = pd.to_datetime(df.date)df = df.sort_values('date')user_1和之間的相關性user_2是2因為它們都執行a了當天的07操作和c當天的操作08。user_2和之間的相關性user_3是1因為他們b在 day執行了操作05。其余的都是NaN. 他們輸出我正在尋找的DataFrame如下：        user_1  user_2  user_3user_1  NaN     NaN     NaNuser_2  2.0     NaN     NaNuser_3  NaN     1.0     NaN我創建此 DataFrame 的低效方法如下：from itertools import combinationsdf_result = pd.DataFrame(columns=['user_1', 'user_2', 'user_3'],                         index=['user_1', 'user_2', 'user_3'], dtype=np.float64)    for index, group in df.groupby(['date', 'action']):    for x, y in combinations(list(group.user.values), 2):        if np.isnan(df_result.loc[x,y]):            df_result.loc[x, y] = 1        else:            df_result.loc[x, y] = df_result.loc[x, y] + 1這種方法的問題是在我的用例中變慢了。