熊猫在数据框中的两列中找到交叉销售

Question

我想做的是一种交叉销售。

我有一个Pandas数据框，其中有两列，一列具有收据编号，另一列具有产品ID：

receipt  product
1        a
1        b
2        c
3        b
3        a

大多数收据有很多产品。我需要查找的是收据中出现的产品组合数量。假设产品“ a”和“ b”是最常见的组合（它们一起出现在大多数收据中），如何找到此信息？

我尝试使用df.groupby(['receipt','product']).count()，但这仅带给我收据+产品组合的数量，而不是每张收据中产品关系的数量。

感谢您的帮助，谢谢！

Answer 1

我认为这就是您要寻找的

df.groupby(['receipt']).agg({'product': list}).assign(count=lambda x: x['product'].str.len())

        product  count
receipt
1        [a, b]      2
2           [c]      1
3        [b, a]      2

Answer 2

我认为您可以进行交叉合并：

new_df = df.merge(df, on='receipt')
(new_df[new_df['product_x'] < new_df['product_y']]
     .groupby(['product_x','product_y'])['receipt'].count()
)

输出：

product_x  product_y
a          b            2
Name: receipt, dtype: int64