Question

我试图弄清楚哪些顾客会一起购买服装。我可以找出确切的组合，但是我不知道的问题是包含组合+其他的计数。

例如，我有：

Cust_num  Item    Rev
Cust1     Shirt1  $40
Cust1     Shirt2  $40
Cust1     Shorts1 $40
Cust2     Shirt1  $40
Cust2     Shorts1 $40

这应该导致：

Combo                  Count
Shirt1,Shirt2,Shorts1    1
Shirt1,Shorts1           2

我能做的最好的就是独特的组合：

Combo                 Count
Shirt1,Shirt2,Shorts1   1
Shirt1,Shorts1          1

我尝试过：

df = df.pivot(index='Cust_num',columns='Item').sum()
df[df.notnull()] = "x"
df = df.loc[:,"Shirt1":].replace("x", pd.Series(df.columns, df.columns))
col = df.stack().groupby(level=0).apply(','.join)
df2 = pd.DataFrame(col)
df2.groupby([0]).size().reset_index(name='counts')

但这只是独特的计数。

Answer 1

使用pandas.DataFrame.groupby：

grouped_item = df.groupby('Cust_num')['Item']
subsets = grouped_item.apply(lambda x: set(x)).tolist()
Count = [sum(s2.issubset(s1) for s1 in subsets) for s2 in subsets]
combo = grouped_item.apply(lambda x:','.join(x))
combo = combo.reset_index()
combo['Count']=Count

输出：

  Cust_num                   Item  Count
0    Cust1  Shirt1,Shirt2,Shorts1      1
1    Cust2         Shirt1,Shorts1      2

Answer 2

我认为您需要先创建项目组合。

How to get all possible combinations of a list’s elements?

我使用了 Dan H 的答案中的功能。

from itertools import chain, combinations
def all_subsets(ss):
    return chain(*map(lambda x: combinations(ss, x), range(0, len(ss)+1)))

uq_items = df.Item.unique()

list(all_subsets(uq_items))

[(),
 ('Shirt1',),
 ('Shirt2',),
 ('Shorts1',),
 ('Shirt1', 'Shirt2'),
 ('Shirt1', 'Shorts1'),
 ('Shirt2', 'Shorts1'),
 ('Shirt1', 'Shirt2', 'Shorts1')]

并使用groupby每个客户来获得他们的商品组合。

ls = []

for _, d in df.groupby('Cust_num', group_keys=False):
    # Get all possible subset of items
    pi = np.array(list(all_subsets(d.Item)))

    # Fliter only > 1
    ls.append(pi[[len(l) > 1 for l in pi]])

然后转换为Series并使用value_counts()。

pd.Series(np.concatenate(ls)).value_counts()

(Shirt1, Shorts1)            2
(Shirt2, Shorts1)            1
(Shirt1, Shirt2, Shorts1)    1
(Shirt1, Shirt2)             1

Answer 3

最新答案，但您可以使用：

df = df.groupby(['Cust_num'], as_index=False).agg(','.join).drop(columns=['Rev']).set_index(['Item']).rename_axis("combo").rename(columns={"Cust_num": "Count"})
df['Count'] = df['Count'].str.replace(r'Cust','')

combo                   Count                 
Shirt1,Shirt2,Shorts1     1
Shirt1,Shorts1            2

Answer 4

我认为我的版本更容易理解

new_df = df.groupby("Cust_num").agg({lambda x: ''.join(x.unique())})

new_df ['count'] = range(1, len(new_df ) + 1)

输出：

                            Item      Rev count
                        <lambda> <lambda>      
Cust_num                                       
Cust1      Shirt1 Shirt2 Shorts1      $40     1
Cust2             Shirt1 Shorts1      $40     2

由于您不需要Rev列，因此可以将其删除：

new_df = new_df = new_df.drop(columns=["Rev"]).reset_index()

new_df

输出：

  Cust_num                    Item count
                          <lambda>      
0    Cust1   Shirt1 Shirt2 Shorts1     1
1    Cust2          Shirt1 Shorts1     2

此编辑旨在通过查看他使用列表理解编写的方法来回应@Chris。他创建了一组列表：

[{' Shirt1', ' Shirt2', ' Shorts1'}, {' Shirt1', ' Shorts1'}]

然后下一步找到子集：

for s1 in subsets:
    for s2 in subsets:
        if s2.issubset(s1):
            print("{}: {}".format(s2,s2.issubset(s1)))

输出：

{' Shirt2', ' Shorts1', ' Shirt1'}: True
{' Shorts1', ' Shirt1'}: True
{' Shorts1', ' Shirt1'}: True

您让我解释自己，我做到了。但是，经过深思熟虑，我意识到您的方法也是错误的。因此，我并不是在嘲笑您，而是感谢您让我考虑解决方案。也感谢@ResidentSleeper的解决方案。

如何使用熊猫获取包括每个组合在内的数量

4 个答案: