- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
假设我有一个这样的数据框:
import pandas as pd
data = {'group': ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c', 'c', 'c'],
'item': ['Apple', 'Chocolate', 'Beans', 'Apple', 'Beans', 'Banana', 'Banana', 'Chocolate', 'Banana', 'Orange', 'Apple', 'Apple' ]
}
df = pd.DataFrame(data, columns = ['group','item'])
df
0 a Apple
1 a Chocolate
2 a Beans
3 a Apple
4 b Beans
5 b Banana
6 b Banana
7 c Chocolate
8 c Banana
9 c Orange
10 c Apple
11 c Apple
如何计算组内成对出现的总数?
我想得到一个表格,其中包含组中出现的每个项目组合并获取它们的频率。如果一组下有两个相同的项目,我想保留项目与自身的组合,但只有在与其他项目匹配时才算作一个。
理想情况下,我希望获得一个在轴、行和列上都包含项目名称的数据框,并且矩阵的一半具有相应的值。
在一列中包含组合而在另一列中包含值的数据框也可以完美地完成。
上面的例子会变成这样:
apple - chocolate 2
apple - apple 2
apple - beans 1
apple - Orange 1
apple - Banana 1
chocolate - Beans 1
beans - banana 1
banana - banana 1
chocolate - banana 1
chocolate - orange 1
banana - orange 1
所以我想我会先使用没有重复的组合和计数器,然后再添加匹配自己的项目。原因是为了避免为同一组下的多个项目组合计算多个匹配项。但是,当我尝试这样做时,某些组合会以不同的顺序出现两次,例如苹果 - 巧克力和巧克力 - 苹果。这是我的代码:
from collections import Counter
from itertools import combinations
df = df.groupby('group').filter(lambda g: len(g) > 1).drop_duplicates(subset=['group', 'item'], keep="first")
result = df.groupby(['group']).agg(lambda g: list(set(combinations(g, 2))))
combos = pd.DataFrame(Counter(result.item.sum()).items(), columns=['combos', 'count'])
combos
combos count
0 (Apple, Beans) 1
1 (Apple, Chocolate) 1
2 (Chocolate, Beans) 1
3 (Beans, Banana) 1
4 (Chocolate, Orange) 1
5 (Orange, Apple) 1
6 (Banana, Orange) 1
7 (Banana, Apple) 1
8 (Chocolate, Banana) 1
9 (Chocolate, Apple) 1
请帮帮我!
最佳答案
对您的代码稍作调整即可解决您的问题
## No need to drop to duplicates as you create a set of the combinations, so they won't be counted twice
# df = df.groupby('group').filter(lambda g: len(g) > 1).drop_duplicates(subset=['group', 'item'], keep="first")
## Sorted g, so the problem with tuples that are ordered differently is solved
result = df.groupby(['group']).agg(lambda g: list(set(combinations(sorted(g), 2))))
combos = pd.DataFrame(Counter(result.item.sum()).items(), columns=['combos', 'count'])
combos
combos count
0 (Apple, Beans) 1
1 (Beans, Chocolate) 1
2 (Apple, Apple) 2
3 (Apple, Chocolate) 2
4 (Banana, Banana) 1
5 (Banana, Beans) 1
6 (Apple, Banana) 1
7 (Banana, Orange) 1
8 (Apple, Orange) 1
9 (Chocolate, Orange) 1
10 (Banana, Chocolate) 1
用##
标记我的更改
你当然可以很容易地使用
combos.sort_values('count', ascending=False)
关于python - 如何计算 Pandas 数据框中子组内项目的成对出现?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65643468/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!