python - Pandas 在 python Pandas 数据框中获取两行交集的方法

Question

假设我有一些如下所示的数据。我想获取同时具有两个标签的 ID 的数量。

tag id
a A
b B
a B
b A
c A

我想要的结果:

tag1 tag2 count
a b 2
a c 1
b c 1

在普通的 python 中，我可以编写伪代码:

d = defaultdict(set)
d[tag].add(id)
for tag1, tag2 in itertools.combinations(d.keys(), 2):
    print tag1, tag2, len(d[tag1] & d[tag2])

这不是最有效的方法，但应该可行。现在我已经将数据存储在 Pandas 数据框中。有没有更多的 Pandas 方式来达到同样的结果？

Answer 1

这是我的尝试:

from itertools import combinations
import pandas as pd
import numpy as np

In [123]: df
Out[123]:
  tag id
0   a  A
1   b  B
2   a  B
3   b  A
4   c  A

In [124]: a = np.asarray(list(combinations(df.tag, 2)))

In [125]: a
Out[125]:
array([['a', 'b'],
       ['a', 'a'],
       ['a', 'b'],
       ['a', 'c'],
       ['b', 'a'],
       ['b', 'b'],
       ['b', 'c'],
       ['a', 'b'],
       ['a', 'c'],
       ['b', 'c']],
      dtype='<U1')

In [126]: a = a[a[:,0] != a[:,1]]

In [127]: a
Out[127]:
array([['a', 'b'],
       ['a', 'b'],
       ['a', 'c'],
       ['b', 'a'],
       ['b', 'c'],
       ['a', 'b'],
       ['a', 'c'],
       ['b', 'c']],
      dtype='<U1')

In [129]: np.ndarray.sort(a)

In [130]: pd.DataFrame(a).groupby([0,1]).size()
Out[130]:
0  1
a  b    4
   c    2
b  c    2
dtype: int64