Question

我具有以下形式的DataFrame：

ID Product
1   A
1   B
2   A 
3   A
3   C 
3   D 
4   A
4   B

我想计算Product分组的ID列中两个值的最常见组合。因此，对于此示例，预期结果将是：

Combination Count
A-B          2
A-C          1
A-D          1
C-D          1

熊猫输出可能吗？

Answer 1

我们可以在ID中file.remove(".RData") q("no")并过滤出重复的合并（我假设您有默认的merge）。然后我们进行排序，以使分组与顺序无关：

RangeIndex

import pandas as pd
import numpy as np

df1 = df.reset_index()
df1 = df1.merge(df1, on='ID').query('index_x > index_y')

df1 = pd.DataFrame(np.sort(df1[['Product_x', 'Product_y']].to_numpy(), axis=1))
df1.groupby([*df1]).size()

Answer 2

您可以将combinations中的itertools与groupby和apply一起使用

from itertools import combinations

def get_combs(x):
    return pd.DataFrame({'Combination': list(combinations(x.Product.values, 2))})

(df.groupby('ID').apply(get_combs)
 .reset_index(level=0)
 .groupby('Combination')
 .count()
)

             ID
Combination    
(A, B)        2
(A, C)        1
(A, D)        1
(C, D)        1

Answer 3

使用itertools.combinations，explode和value_counts

import itertools

(df.groupby('ID').Product.agg(lambda x: list(itertools.combinations(x,2)))
                 .explode().str.join('-').value_counts())

Out[611]:
A-B    2
C-D    1
A-D    1
A-C    1
Name: Product, dtype: int64

或者：

import itertools

(df.groupby('ID').Product.agg(lambda x: list(map('-'.join, itertools.combinations(x,2))))
                 .explode().value_counts())

Out[597]:
A-B    2
C-D    1
A-D    1
A-C    1
Name: Product, dtype: int64

Answer 4

使用itertools和Counter。

import itertools
from collections import Counter

agg_ = lambda x: tuple(itertools.combinations(x, 2))
product = list(itertools.chain(*df.groupby('ID').agg({'Product': lambda x: agg_(sorted(x))}).Product))
# You actually do not need to wrap product with list. The generator is ok
counts = Counter(product)

输出

Counter({('A', 'B'): 2, ('A', 'C'): 1, ('A', 'D'): 1, ('C', 'D'): 1})

您还可以执行以下操作来获取数据框

pd.DataFrame(list(counts.items()), columns=['combination', 'count'])

  combination  count
0      (A, B)      2
1      (A, C)      1
2      (A, D)      1
3      (C, D)      1

Answer 5

具有itertools.combinations功能的另一个技巧：

from itertools import combinations
import pandas as pd

test_df = ... # your df
counts_df = test_df.groupby('ID')['Product'].agg(lambda x: list(combinations(x, 2)))\
    .apply(pd.Series).stack().value_counts().to_frame()\
    .reset_index().rename(columns={'index': 'Combination', 0:'Count'})
print(counts_df)

输出：

  Combination  Count
0      (A, B)      2
1      (A, C)      1
2      (A, D)      1
3      (C, D)      1

计算数据框列中最常见的值组合

5 个答案: