python - 对多列进行复杂聚合的 Pandas groupby

Question

我有以下数据集:

import pandas as pd
from itertools import combinations

d = {'Order_ID': ['001', '001', '002', '003', '003', '003', '004', '004'], 
 'Products': ['Apple', 'Pear', 'Banana', 'Apple', 'Pear', 'Banana', 'Apple', 'Pear'],
 'Revenue': [15, 10, 5, 25, 15, 10, 5, 30]}
df = pd.DataFrame(data=d)
df

产量:

    Order_ID    Products    Revenue
  0   001        Apple        15
  1   001        Pear         10
  2   002        Banana       5
  3   003        Apple        25
  4   003        Pear         15
  5   003        Banana       10
  6   004        Apple        5
  7   004        Pear         30

我想要实现的是一个数据集，其中包含在所有交易中找到的所有可能的配对组合，获取它们的频率和收入的运行总和。它应该看起来像这样:

d = {'Groups': ['(Apple, Pear)', '(Banana, Apple)', '(Banana, Pear)'], 
 'Frequency': [3, 1, 1],
 'Revenue': [100, 35, 40]}
df2 = pd.DataFrame(data=d)
df2

哪个返回:

   Groups         Frequency    Revenue
0  (Apple, Pear)      3          100
1  (Banana, Apple)    1           35
2  (Banana, Pear)     1           40

我能够获得配对及其频率，但我无法弄清楚如何在我使用的 groupby 语句中获得收入部分:

def find_pairs(x):
  return pd.Series(list(combinations(set(x), 2)))

df_group = df.groupby('Order_ID')['Products'].apply(find_pairs).value_counts()
df_group

我需要在将函数应用于“产品”后添加另一个条件，其中“收入”由 find_pairs 函数创建的这些"new"组相加。收入必须是每对的总和，即每次重复该组时，将产品收入添加到该组的运行总和。

Answer 1

你可以这样做:

f = lambda x: list(itertools.combinations(x,2))
t = df.groupby('Order_ID').agg(f).explode(['Products', 'Revenue']).dropna()
out = t.groupby('Products').agg(
    Frequency=('Products','count'),
    Revenue=('Revenue', lambda x : sum([sum(y) for y in x]))
)

打印(输出):

                 Frequency  Revenue
Products                           
(Apple, Banana)          1       35
(Apple, Pear)            3      100
(Pear, Banana)           1       25

请注意，来自组 'Order_ID'='003' 的 (Pear, Banana) 的收入将为 15 + 10 = 25 而不是 40。