Question

给出如下熊猫数据框：

   value_1  value_2
0    b     a
1    a     b
2    c     d
3    d     c

我想算一算，每对出现了多少次。换句话说，a，b等于b，a。我发现了某些情况，例如that，但在这种情况下，某些值预计只会出现在一列中。

首先，我尝试类似的操作：

pd.crosstab(df.value_1,df.value_2).replace(0,np.nan).\
     stack().reset_index().rename(columns={0:'Frequency'})

通过这种方法，考虑到订单(a,b == b, a)，我也无法删除重复项

然后，我假设使用[(a,b), (b,a), (c,d), (d,c)]之类的列表，因此我创建了一个函数，根据其元素仅返回单对：

from itertools import combinations

def get_unique_pairs(pairs):
    unique_pairs = []
    for pair in combinations(pairs, 2):
        if Counter(pair[0]) == Counter(pair[1]):
            unordered_pair = set(list(pair[0]+pair[1]))
            unique_pairs.append(unordered_pair)
    return {(tuple(e)) for e in unique_pairs}

它们对[(a,b), (b,a), (c,d), (d,c)]的输出为{(a,b), (c,d)}

但是，对于大数据框而言，这是不可行的。

最后，对于上述数据框，预期输出为：

   pair frequency
0    b; a   2      
1    c; d   2

Answer 1

首先用numpy.sort对每行进行排序：

df1 = pd.DataFrame(np.sort(df.values, axis=1))

然后加入并使用Series.value_counts：

df = (df1[0] + '; ' + df1[1]).value_counts().rename_axis('pair').reset_index(name='count')
print (df)
   pair  count
0  a; b      2
1  c; d      2

替代GroupBy.size：

s = (df1[0] + '; ' + df1[1])
df = s.groupby(s).size().rename_axis('pair').reset_index(name='count')

删除重复的反向对

1 个答案: