试试看：

df['tuple'] = list(zip(df.data_1, df.data_2))
result = df[['tuple', 'result']].to_numpy()
print(result)

结果：

[[(4, 1223) 1.523]
 [(84, 1534) 1.33]]

资料来源：
How to form tuple column from two columns in Pandas
Convert pandas dataframe to NumPy array

您可以过滤掉数据列，然后在axis=1上应用tuple，这实际上将创建行值的元组，我将其作为新列分配，因为您提到的输出不清楚是数组还是 Dataframe ，但我认为您应该能够继续获得所需的剩余结果。

>>> df.assign(data=df.filter(like='data').apply(tuple, axis=1))

   result  data_1  data_2        data
1   1.523       4    1223   (4, 1223)
3   1.330      84    1534  (84, 1534)

您可以使用以下命令重新创建稀疏矩阵（而不仅仅是复制其显示）：

In [87]: from scipy import sparse

可以从 Dataframe 的列派生的3个数组：

In [88]: data = np.array([1.523, 1.33])    
In [89]: row = np.array([4,84])    
In [90]: col = np.array([1223, 1534])

实际矩阵：

In [91]: M = sparse.coo_matrix((data,(row, col)))

repr显示：

In [92]: M
Out[92]: 
<85x1535 sparse matrix of type '<class 'numpy.float64'>'
    with 2 stored elements in COOrdinate format>

和str显示器：

In [93]: print(M)
  (4, 1223) 1.523
  (84, 1534)    1.33

这个M.shape是从数组的最大值导出的;实际上，您可能希望指定更大的形状。
M.toarray()从这个创建了一个numpy数组，但是使用那个形状，它将太大而无法显示。
我不确定 Dataframe 是如何从这样一个矩阵中导出的。