Python 如何使用组合或字符串作为数据帧（Pandas）的索引？

我正在尝试使用列的组合在DataFrame中创建一个新列。由于我不知道如何使用生成的组合作为索引，我尝试将组合转换为字符串，但这也不起作用

import itertools as iter
def pset(lst):
    comb = (iter.combinations(lst, l) for l in range(2,3))
    return list(iter.chain.from_iterable(comb))

temp = pset(transactions)
t = str(temp[0]).strip(" ")
transactions[[t]]

这给了我一个错误

KeyError: '["\'A\', \'B\'"] not in index'

这里A和B是我在数据框中的列

transaction dataset:
A,B,C,D,E,F,G
1,0,1,1,0,1,1
1,1,1,1,0,1,0
1,0,0,1,0,1,0
0,0,1,1,1,0,0
1,0,0,1,1,1,0
0,1,1,1,1,1,1

Expected output Expected output:
A,B  A,C  A,D
 1    2    4

---

您得到的预期输出如下，

df

是您发布的事务数据集。（这个解决方案是用Python2.7制作的，但我希望它在Python3中也能工作）

输出：

  A,B A,C A,D A,E A,F A,G B,C B,D B,E B,F B,G C,D C,E C,F C,G D,E D,F D,G E,F  \
0   1   2   4   1   4   1   2   2   1   2   1   4   2   3   2   3   5   2   2   

  E,G F,G  
0   1   2  

    Count
A,B     1
A,C     2
A,D     4
A,E     1
A,F     4
A,G     1
B,C     2
B,D     2
B,E     1
B,F     2
B,G     1
C,D     4
C,E     2
C,F     3
C,G     2
D,E     3
D,F     5
D,G     2
E,F     2
E,G     1
F,G     2

如有需要，转置：

OT = Out.T
OT.columns = ["Count"]

输出：

  A,B A,C A,D A,E A,F A,G B,C B,D B,E B,F B,G C,D C,E C,F C,G D,E D,F D,G E,F  \
0   1   2   4   1   4   1   2   2   1   2   1   4   2   3   2   3   5   2   2   

  E,G F,G  
0   1   2  

    Count
A,B     1
A,C     2
A,D     4
A,E     1
A,F     4
A,G     1
B,C     2
B,D     2
B,E     1
B,F     2
B,G     1
C,D     4
C,E     2
C,F     3
C,G     2
D,E     3
D,F     5
D,G     2
E,F     2
E,G     1
F,G     2

编辑：

改进的代码也可用于更高维度：

import itertools as iter
import pandas as pd
import numpy as np

dim = 2
colComb = [a for a in iter.combinations(df.columns,dim)]
newCols = [','.join(colComb[i]) for i in range(len(colComb))]

Out = pd.DataFrame(columns = newCols)
for i in range(len(colComb)):
    Out.loc[0,newCols[i]] = df[np.sum(df[list(colComb[i])],axis=1) == dim][colComb[i][0]].count()

编辑：

更快速的二维代码：

cols = []
vals = []
for i in range(len(df.columns)):
    for j in range(i+1,len(df.columns)):
        cols.append(df.columns[i]+','+df.columns[j])
        vals.append(np.multiply(df[df.columns[i]],df[df.columns[j]]).sum())

Out = pd.DataFrame(columns=cols)
Out.loc[0] = vals
Out = Out.astype(int)

vals = []
colComb = [a for a in iter.combinations(df.columns,dim)]
cols = [','.join(colComb[i]) for i in range(len(colComb))]
vals = []
for C in colComb:
    v = df[C[0]]
    for i in range(1,len(C)):
        v = np.multiply(v,df[C[i]])
    vals.append(v.sum())
dd = pd.DataFrame(columns=cols)
dd.loc[0] = vals
dd = dd.astype(int)

另一种编辑，一种处理更高维度的更快解决方案：

cols = []
vals = []
for i in range(len(df.columns)):
    for j in range(i+1,len(df.columns)):
        cols.append(df.columns[i]+','+df.columns[j])
        vals.append(np.multiply(df[df.columns[i]],df[df.columns[j]]).sum())

Out = pd.DataFrame(columns=cols)
Out.loc[0] = vals
Out = Out.astype(int)

vals = []
colComb = [a for a in iter.combinations(df.columns,dim)]
cols = [','.join(colComb[i]) for i in range(len(colComb))]
vals = []
for C in colComb:
    v = df[C[0]]
    for i in range(1,len(C)):
        v = np.multiply(v,df[C[i]])
    vals.append(v.sum())
dd = pd.DataFrame(columns=cols)
dd.loc[0] = vals
dd = dd.astype(int)

---

它的运行速度应该至少快3-4倍。

您是在寻找pd.MultiIndex.from_product（）？我正在执行apriori，我想创建一个包含多个列（索引）的索引相同的数据帧。@YadyneshDesai-您能添加数据帧示例：5-6行和所需的输出吗？@jezrael我已经更新了问题。所需的输出只是我实际需要的一小部分。谢谢，但我有点困惑-您认为所有列的组合

a、B、C、D、E、F、G

？你能解释更多的数字吗？

1,2,4

？谢谢。我将在大约两天内尝试并返回。在上面的代码中，数据帧索引是作为组合还是字符串存储的？如果你这样做

OT=Out.T

，然后查看

OT.index

，你会看到索引是作为字符串存储的。如果希望将这些字符串放在普通列中，可以使用

reset\u index（）

，而使用通用索引。这需要花费大量时间。如果数据集很大，则需要花费大量时间。