gpt4 book ai didi

python - 如何计算 Pandas 数据框中子组内项目的成对出现?

转载 作者:行者123 更新时间:2023-12-04 15:08:31 26 4
gpt4 key购买 nike

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

##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/

26 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com