Python 获取数据框中的类似行，每个列仅更改1个或更多值

我的问题如下：假设您的数据帧NxM中填充了二进制数：

pd.DataFrame([[0, 0, 0, 1, 0, 1],
              [0, 1, 0, 1, 0, 1],
              [1, 0, 0, 0, 0, 0],
              [1, 1, 0, 0, 0, 0],
              [0, 0, 0, 0, 1, 0],
              [1, 1, 0, 0, 1, 0]]

我想得到两个相似行的索引或行（按行迭代），每列只改变1个值或更多。例如，第一行的相似性为：

• 如果每列仅更改一个值：

第0行：

[0,0,0,1,0,1]

->预期输出

[0,1,0,1,0,1]

第2行：

[1,0,0,0,0]

->预期输出

[1,1,0,0,0]

• 如果每列更改两个值：

第2行：

[1,0,0,0,0,0]

->预期输出

[1,1,0,0,1,0]

---

第4行：

[0,0,0,0,1,0]

->预期输出

[1,1,0,0,1,0]

您可以移动记录。移位后，可以比较值以返回真/假。然后计算真实值。我为示例设置了true==1，因此在行之间正好有1个变化

我不确定你的具体结果应该是什么样的，但也许你可以加强这一点

print(df)

print(df.shift(-1))

df[df[df == df.shift(-1)].isna().sum(axis=1) == 1]
   0  1  2  3  4  5
0  0  0  0  1  0  1
1  0  1  0  1  0  1
2  1  0  0  0  0  0
3  1  1  0  0  0  0
4  0  0  0  0  1  0
5  1  1  0  0  1  0

     0    1    2    3    4    5
0  0.0  1.0  0.0  1.0  0.0  1.0
1  1.0  0.0  0.0  0.0  0.0  0.0
2  1.0  1.0  0.0  0.0  0.0  0.0
3  0.0  0.0  0.0  0.0  1.0  0.0
4  1.0  1.0  0.0  0.0  1.0  0.0
5  NaN  NaN  NaN  NaN  NaN  NaN

Out[54]: 
   0  1  2  3  4  5
0  0  0  0  1  0  1
2  1  0  0  0  0  0

---

一种可能性是使用汉明距离来获得行之间的成对距离：

import sklearn.metrics
comparisons = sklearn.metrics.pairwise_distances(df.values,metric='hamming')
nb_of_differences = (comparisons * df.shape[1]).astype(int)

---

汉明距离统计两个向量不同的位置数。最后，你会得到一个矩阵，给出第i行和第j行之间的差异数。

一个观察值。如果您的行是用数字表示的，而不是拆分成二进制，那么您可以通过异或生成距离一位的所有数字，每个数字都是

1、2、4、8、16、32、64、128

（假设您有8位）。相反，如果结果在集合

1、2、4、8、16、32、64、128

中，则与原始数字异或的任何数字都将相距一位。对于两位，它变得更复杂。您的数字列表将是

set（map（sum，itertools.compositions（[1,2,4,8,16,32,64,128]，r=2））

。（8位的长度为28，32位的长度为496个2位以外的数字）。例如

5^7

是

2

，它位于

1,2,4,8,16,32,64,128

集合中，因此距离为1位，但

5^9

是

12

集合中，因此距离为1位。另外，

5^2

还将返还您原来的

7

。而

5^128

给出的

133

也是一位距离。