python - 使用 Pandas 计算重复项之间的交集

Question

我有一个如下所示的数据框:

Symbols Count
A       3
A       1
A       2
A       4
B       1
B       3
B       9
C       2
C       1
C       3

我想要使用 Pandas 来识别“计数”列上的重复行，但我想计算重复项上符号彼此相交的次数。

我的意思是，如果计数值使用两个不同的符号出现两次。这些符号被列为它们之间有一个交集，因为它们共享相同的计数值。

类似这样的事情:

Symbol Symbol Number of Intersections
A       B      2
B       A      2
C       A      3
.....

我确信有一种 Pythonic Pandas 的方式可以做到这一点。但它并没有浮现在脑海中。

Answer 1

让我们使用merge进行自合并，然后使用query和groupby:

df_selfmerge = df.merge(df, on='Count', how="inner").query('Symbols_x != Symbols_y')

(df_selfmerge.groupby(['Symbols_x','Symbols_y'])['Count']
         .count()
         .reset_index()
         .rename(columns={'Symbols_x':'Symbol',
                          'Symbols_y':'Symbol',
                          'Count':'Number of Intersections'}))

编辑:在 NaN 值的情况下使用 size() 更安全

(df_selfmerge.groupby(['Symbols_x','Symbols_y'])['Count']
         .size()
         .reset_index()
         .rename(columns={'Symbols_x':'Symbol',
                          'Symbols_y':'Symbol',
                          0:'Number of Intersections'}))

输出:

  Symbol Symbol  Number of Intersections
0      A      B                        2
1      A      C                        3
2      B      A                        2
3      B      C                        2
4      C      A                        3
5      C      B                        2