Python 计算dataframe列中最常见的值组合

我有以下形式的数据帧：

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

我想从按

ID

分组的

Product

列中计算两个值的最常见组合。 因此，对于本例，预期结果为：

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

---

pandas是否可以进行此输出？

我们可以在ID中进行

合并

，并过滤掉重复的合并（我假设您有一个默认的

范围索引

）。然后我们进行排序，使分组与顺序无关：

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()

---

---

您可以使用

itertools

中的

组合

，以及

groupby

和

apply

from itertools import combinations

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

---

使用

itertools.compositions

、

explode

和

value\u 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：

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

---

使用

itertools

和

计数器

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帧

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

---

itertools.组合的另一个技巧

功能：

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

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

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)

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