python - 根据条件计算组内共享元素的数量

Question

我在使用 Pandas 查询时遇到一些困难，希望得到一些帮助。我正在使用的 DataFrame 类似于以下内容:

data = {
    "cusID": ["001", "002", "003", "004", "001", "003", "002", "001", "003", "002", "004"], 
    "productID": ["A", "A", "A", "A", "B", "B", "C", "D", "D", "E", "E"]
}
df = pd.DataFrame(data)
print(df)

   cusID productID
0    001         A
1    002         A
2    003         A
3    004         A
4    001         B
5    003         B
6    002         C
7    001         D
8    003         D
9    002         E
10   004         E

我想要获得购买2个或更多相同产品的客户的新DataFrame。鉴于上面的示例，我正在寻找的输出 DataFrame 如下:

    left_cusID right_cusID result
0          001         003      3
1          002         004      2

结果列等于两个客户之间共享产品的数量。

另请注意，对于此问题，我们假设客户不能购买多个相同的产品 ID。

在将其发布到此处之前，我想了一会儿这个问题，但我找不到适当的步骤/逻辑来解决它。有一次，我认为我可以将表与其自身交叉连接，以获得左/右 cusID 的所有组合，但我也很快陷入了困境。任何帮助将不胜感激。

Answer 1

这非常适合点

s = pd.crosstab(df.cusID, df.productID)
s = s.dot(s.T)
s = s.astype(float)
s.values[np.tril_indices(s.shape[0], 0)] = np.nan

s
Out[66]: 
cusID   1    2    3    4
cusID                   
1     NaN  1.0  3.0  1.0
2     NaN  NaN  1.0  2.0
3     NaN  NaN  NaN  1.0
4     NaN  NaN  NaN  NaN


s.where(s.ne(1)).stack()
Out[68]: 
cusID  cusID
1      3        3.0
2      4        2.0
dtype: float64