python - 分析数据框中分类变量的变化

Question

我有一个数据透视数据框，其中包含许多旅行者在前往世界各地的旅程中所在地区的信息。我的数据透视表 df 看起来像这样:

     Name           Anna         Robert        James
Date               
2018-10-01        Bulgaria       Spain         Croatia
2018-10-02        Portugal       NaN           Portugal  
2018-10-03        Spain          USA           Spain
2018-10-04        USA            USA           Spain
2018-10-05        USA            Canada        USA

有 100 列(100 位旅行者)和 300 天。

根据这些数据，我如何探索哪些路线最受欢迎？一看就知道他们都是从西类牙来到美国的。罗伯特也从西类牙飞往美国，只不过飞行时间为两天。三位出席的旅行者中有两位是从葡萄牙来到西类牙的，因此这也是一条受欢迎的路线。

有没有办法使用机器学习算法来显示热门路线？我将非常感谢任何提示。

编辑:我们可以假设该路线有 2 个节点，因此基于此 df 西类牙-美国是一条热门路线

Answer 1

您可以做的最简单的事情是通过将每个用户列与其移位的自身进行压缩来创建起点-目的地元组，然后将元组传递给 Counter 对象。

import pandas as pd
from collections import Counter

df.fillna(method='ffill', inplace=True)

# Create a counter object and pass it the origin-destination tuples
counter = Counter()
for col in df.columns:
    routes = list(zip(df[col].shift(1, fill_value=df[col][0]), df[col]))
    routes = [(k, v) for k, v in routes if k != v]
    counter.update(routes)
counter.most_common(3)

输出:

counter.most_common(3)
Out[76]: 
[(('Spain', 'USA'), 3),
 (('Portugal', 'Spain'), 2),
 (('Bulgaria', 'Portugal'), 1)]