如何计算熊猫数据框中子组内项目的配对出现？

如何解决如何计算熊猫数据框中子组内项目的配对出现？

假设我有一个这样的数据框：

import pandas as pd
data = {'group':  ['a','a','b','c','c'],'item': ['Apple','Chocolate','Beans','Apple','Banana','Orange','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
        

如何计算组内配对出现的总数？

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，我想保持项目与自身的组合，但只在与其他项目匹配时才算一个。

理想情况下，我想获得一个在轴、行和列上都有项目名称的数据框，并且有一半的矩阵具有相应的值。

在一列中组合并在另一列上有值的数据框也可以完美地工作。

上面的例子将转化为：

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

所以我想我会首先使用没有重复的组合和计数器，然后再添加与自己匹配的项目。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！

解决方法

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

您当然可以使用

轻松地对结果后记进行排序

combos.sort_values('count',ascending=False)