Python 基于数据帧的加权对列表

我有这样一个熊猫数据框：

doc type    thing
3   A   pig
4   B   horse
4   C   cat
4   D   pig
5   C   horse
5   A   bird
5   B   cat

    doc thing_x thing_y
5   4   horse   pig
6   4   cat     horse
8   4   cat     horse
10  4   cat     pig
15  4   horse   pig
16  4   cat     horse
18  4   cat     horse
20  4   cat     pig
29  5   bird    horse
31  5   bird    cat
32  5   cat     horse

我想要一个新的三列数据框；事情由曾经出现在同一个“文档”中的所有“事物”对填充的时间，以及在多少个文档中。根据上述数据帧，所需输出为：

thing   thing   times
horse   cat     2
horse   pig     1
cat pig         1
horse   bird    1
bird    cat     1

在熊猫之外，我通过itertools取得了一些成就，但如何利用熊猫做到这一点呢？

一个可能的解决方案：

df_filtered = df[['doc', 'thing']]
pd.merge(df_filtered, df_filtered, on='doc')
    .query("thing_x < thing_y")
    .groupby(by=['thing_x', 'thing_y'])
    .agg({'doc': 'nunique'})
    .reset_index()

然后，您可以完成这两件事，计算每个组的不同文档的数量，并调用以展平分层分组

最终结果：

    thing_x thing_y doc
0   bird    cat     1
1   bird    horse   1
2   cat     horse   2
3   cat     pig     1
4   horse   pig     1

---

好建议。“文档”列中的数字在您的最终结果中实际表示了什么？对于每两件事，数字是这两件事在同一文档中出现的次数。是的，我现在看到了。我意识到可以添加代码来删除thing_x==thing_y的行。还有一个简单的方法来计算线，如马；猫和猫；马只有一次，所以方向x-y，y-x不重要？我已经编辑了我的答案。首先，我意识到你想要的是这对夫妇出现在一起的不同文档的数量，而不是他们在同一文档中出现的次数。我删除了thing_x==thing_y条目并修复了方向问题。这很好。非常感谢。只是出于兴趣，你到底做了什么。询问你做什么，什么时候