Python 计算表中有无因子的组合

我有一个类似于下面的表格，我想计算当前各种因素的不同组合。示例：全部存在的时间数（1表示存在，0表示不存在）。第一次缺席但有休息时间的次数，第二次缺席但有其他时间的次数，以及双打和三打缺席而有休息时间的次数

在shell中，检查所有存在的时间非常简单

awk'{如果（$2==1）&（$3==1）&（$4==1）&（$5==1）&（$6==1））打印$1}所有的频率主题

但问题是计算所有可能存在的组合

该表如下所示：

CEBP    HEB     TAL1    RUNX1   SPI1
1       1       1       1       1
0       1       1       1       1
1       1       0       0       1
1       1       1       1       0
0       0       0       1       1

现在从这个表中产生了不同的组合

1所有人都在场的组合
2第一个缺席，所有其他人都在场
3最后一位缺席，但其他人在场
4第三名和第四名缺席，但其他人在场
5前三名缺席，但其他人出席

在这样一个具有固定列数和n行数的表中，如何计算存在和不存在的组合

请帮忙

---

谢谢

假设

数据

包含您的数据，这可以完成以下工作：

with open("data") as f:
        lines=[line.strip().split() for line in f]
combinations={}
for combination in lines[1:]:
        key=", ".join([lines[0][i]
                for i in xrange(len(combination))
                if combination[i] != '0'])
        combinations[key]=combinations.setdefault(key, 0)+1
for key, value in combinations.iteritems():
        print value, '\t', key

或者，使用“集合”模块：

import collections

with open("data") as f:
        lines=[line.strip().split() for line in f]

combinations=collections.Counter(
        ", ".join(lines[0][i]
                for i in xrange(len(combination))
                        if combination[i] != '0')
                for combination in lines[1:])

for key, value in combinations.iteritems():
        print value, '\t', key

编辑：另一个版本使用生成器表达式保存资源

import collections

with open("data") as f:
        lines=(line.strip().split() for line in f)
        header=next(lines)
        combinations=collections.Counter(
                ", ".join(header[i]
                        for i in xrange(len(combination))
                                if combination[i] != '0')
                        for combination in lines)
        for key, value in combinations.iteritems():
                print value, '\t', key

---

我相信这是可以改进的。

比hochi的解决方案更长，但它的工作原理可能更清晰：

with open("data") as f:
    next(f)    # Skip header row
    lines=[[int(n) for n in x.strip().split()] for x in f if x.strip()]


count = 0
for row in lines:
    if all(row):
        count += 1
print "All present:", count

count = 0
for row in lines:
    if (not row[0]) and all(row[1:]):
        count += 1
print "All except first column are 1:", count

---

我不会做所有的例子，但这应该给你一个想法。

一个Perl程序，它可以像计算二进制数一样计算所有的组合。我重复了几行，以确保计数有效

use strict;
use warnings;
use Bit::Vector;

# CEBP       HEB     TAL1      RUNX1   SPI1
my @factors = (
    [1,      1,       1,       1,       1],
    [1,      1,       1,       1,       1],
    [1,      1,       1,       1,       1],
    [0,      1,       1,       1,       1],
    [1,      1,       0,       0,       1],
    [1,      1,       1,       1,       0],
    [0,      0,       0,       1,       1],
    [0,      0,       0,       1,       1],
    [0,      0,       0,       1,       1],
);

my %combo;

for my $row (@factors) {
    my $v = Bit::Vector->new_Bin(32, join('', @$row))->to_Dec;
    $combo{$v}++;
}

for my $v (sort keys %combo) {
    printf "Result: %3d  %5s Count: %d\n", 
        $v, 
        Bit::Vector->new_Dec(5, $v)->to_Bin,
        $combo{$v}
    ;
}

输出：

Result:  15  01111 Count: 1
Result:  25  11001 Count: 1
Result:   3  00011 Count: 3
Result:  30  11110 Count: 1
Result:  31  11111 Count: 3

---

你能展示一下你试过的代码吗？因此，答案可以更好地融入其中，并试图帮助您？这不仅仅是一个按所有列分组的选择计数（*）吗？这不计算每个组合存在的时间。