python - 计算 Python 中数据帧中最常出现的特定于行的组合

Question

我有一个包含用逗号分隔的文本的数据框

1  a,b,c,d
2  a,b,e,f
3  a,b,e,f

我正在尝试输出打印 2 个字母的前 2 个最常见组合 + 整个数据帧中出现的次数。因此，基于上述数据帧，输出将是

(a,b,3) (e,f,2)

a 和 b 的组合出现 3 次，e 和 f 的组合出现 2 次。 (是的，有更多的组合出现了 2 次，但我们可以在这里将其切断以保持简单)我真的很困惑如何开始这个。我正在考虑遍历每一行并以某种方式存储所有组合，最后我们可以打印出前 n 个组合以及它们在数据框中出现的次数。
根据我的想法，以下是到目前为止我所拥有的。

import pandas as pd   
from io import StringIO   

StringData = StringIO("""Date
a,b,c,d
a,b,e,f
a,b,e,f
""") 

df = pd.read_csv(StringData, sep =";")   

for index, row in df.iterrows():
    (somehow get and store all possible 2 word combos?)

Answer 1

你可以这样做:

import numpy as np
import pandas as pd
from io import StringIO

StringData = StringIO("""Date
a,b,c,d
a,b,e,f
a,b,e,f
""")

df = pd.read_csv(StringData, sep =";")
df['Date'] = df['Date'].apply(lambda x: x.split(','))
df['combinations'] = df['Date'].apply(lambda x: [(x[i], x[i+1]) for i in range(len(x)-1)])
df = df.explode('combinations')
df = df.groupby('combinations').agg('count').reset_index()
df.sort_values('Date', inplace=True, ascending=False)
df['combinations'] = df.values.tolist()
df.drop('Date', axis=1, inplace=True)
df['combinations'] = df['combinations'].apply(np.hstack)

print(df.iloc[:2, :])

输出:

  combinations
0    [a, b, 3]
2    [b, e, 2]