此处的关键是创建productId的笛卡尔积。参见下面的代码，

方法1（适用于较小的数据集）

result=(main.drop_duplicates(['productId','userId']) .assign(cartesian_key=1) .pipe(lambda x:x.merge(x,on='cartesian_key')) .drop('cartesian_key',axis=1) .loc[lambda x:(x.productId_x!=x.productId_y) & (x.userId_x==x.userId_y)] .groupby(['productId_x','productId_y']).size() .div(data['userId'].nunique()))resultProd1   prod2   0.75Prod1   prod3   0.75Prod1   prod4   0.75Prod1   prod5   0.5prod2   Prod1   0.75prod2   prod3   0.5prod2   prod4   0.5prod2   prod5   0.25prod3   Prod1   0.75prod3   prod2   0.5prod3   prod4   0.5prod3   prod5   0.5prod4   Prod1   0.75prod4   prod2   0.5prod4   prod3   0.5prod4   prod5   0.5prod5   Prod1   0.5prod5   prod2   0.25prod5   prod3   0.5prod5   prod4   0.5

方法2

result = (df.groupby(['productId','userId']).size() .clip(upper=1) .unstack() .assign(key=1) .reset_index() .pipe(lambda x:x.merge(x,on='key')) .drop('key',axis=1) .loc[lambda x:(x.productId_x!=x.productId_y)] .set_index(['productId_x','productId_y']) .pipe(lambda x:x.set_axis(x.columns.str.split('_',expand=True),axis=1,inplace=False)) .swaplevel(axis=1) .pipe(lambda x:(x['x']+x['y'])) .fillna(0) .div(2)  .mean(axis=1))