python - 计算数据框中唯一共同作者的数量

Question

我有一个非常大的数据框，其中包含图书 ID 以及共同创作每本书的人员姓名。我想计算每个作者在他的整个职业生涯中曾经与多少个“独特”的合著者合作过。

例如:

BookID   Author
  1         John
  1         Alex
  1         Jenna
  2         John
  2         Alex
  3         John
  4         Alex
  4         Mary
  4         Max

预期的结果是(括号之间的内容不是必需的，但我把它放在那里是为了更好地证明，我只想要数字):

Author     Num_Unique_CoAuthors
 John           2                    (Alex and Jenna)
 Alex           4                    (John, Jenna, Mary and Max)
 Jenna          2                    (Alex and John)
 Mary           2                    (Alex and Max)
 Max            2                    (Alex and Mary)

Answer 1

首先为每个组创建集到新列，然后与Author列进行差异，通过 boolean indexing 删除空集最后将值展平为新的集合以获得唯一的最后获取长度:

df = df.join(df.groupby('BookID')['Author'].apply(set).rename('new'), 'BookID')

df['new'] = [b - set([a]) for a, b in zip(df['Author'], df['new'])]

df = (df[df['new'].astype(bool)].groupby('Author')['new']
          .apply(lambda x: tuple(set([z for y in x for z in y])))
          .to_frame())

df.insert(0, 'Num_Unique_CoAuthors', df['new'].str.len())
print (df)
        Num_Unique_CoAuthors                       new
Author                                                
Alex                       4  (Max, John, Jenna, Mary)
Jenna                      2              (John, Alex)
John                       2             (Jenna, Alex)
Mary                       2               (Max, Alex)
Max                        2              (Mary, Alex)