python - Contando la combinación más común de valores en la columna del marco de datos

pandas

Question

Tengo DataFrame en la siguiente forma:

ID Product
1   A
1   B
2   A 
3   A
3   C 
3   D 
4   A
4   B

Me gustaría contar la combinación más común de dos valores de la columna Product agrupada por ID . Entonces, para este ejemplo, el resultado esperado sería:

Combination Count
A-B          2
A-C          1
A-D          1
C-D          1

¿Es posible esta salida con pandas?

Answer 1

Otro truco con la función itertools.combinations :

from itertools import combinations
import pandas as pd

test_df = ... # your df
counts_df = test_df.groupby(''ID'')[''Product''].agg(lambda x: list(combinations(x, 2)))/
    .apply(pd.Series).stack().value_counts().to_frame()/
    .reset_index().rename(columns={''index'': ''Combination'', 0:''Count''})
print(counts_df)

La salida:

  Combination  Count
0      (A, B)      2
1      (A, C)      1
2      (A, D)      1
3      (C, D)      1

Answer 2

Podemos merge dentro de ID y filtrar fusiones duplicadas (supongo que tiene un RangeIndex predeterminado). Luego ordenamos para que la agrupación sea independientemente del orden:

import pandas as pd
import numpy as np

df1 = df.reset_index()
df1 = df1.merge(df1, on=''ID'').query(''index_x > index_y'')

df1 = pd.DataFrame(np.sort(df1[[''Product_x'', ''Product_y'']].to_numpy(), axis=1))
df1.groupby([*df1]).size()

0  1
A  B    2
   C    1
   D    1
C  D    1
dtype: int64

Answer 3

Puede usar combinations de itertools junto con groupby y apply

from itertools import combinations

def get_combs(x):
    return pd.DataFrame({''Combination'': list(combinations(x.Product.values, 2))})

(df.groupby(''ID'').apply(get_combs)
 .reset_index(level=0)
 .groupby(''Combination'')
 .count()
)

             ID
Combination    
(A, B)        2
(A, C)        1
(A, D)        1
(C, D)        1

Answer 4

Usando itertools y Counter .

import itertools
from collections import Counter

agg_ = lambda x: tuple(itertools.combinations(x, 2))
product = list(itertools.chain(*df.groupby(''ID'').agg({''Product'': lambda x: agg_(sorted(x))}).Product))
# You actually do not need to wrap product with list. The generator is ok
counts = Counter(product)

Salida

Counter({(''A'', ''B''): 2, (''A'', ''C''): 1, (''A'', ''D''): 1, (''C'', ''D''): 1})

También puede hacer lo siguiente para obtener un marco de datos

pd.DataFrame(list(counts.items()), columns=[''combination'', ''count''])

  combination  count
0      (A, B)      2
1      (A, C)      1
2      (A, D)      1
3      (C, D)      1

Answer 5

Utilice itertools.combinations , explode y value_counts

import itertools

(df.groupby(''ID'').Product.agg(lambda x: list(itertools.combinations(x,2)))
                 .explode().str.join(''-'').value_counts())

Out[611]:
A-B    2
C-D    1
A-D    1
A-C    1
Name: Product, dtype: int64

O:

import itertools

(df.groupby(''ID'').Product.agg(lambda x: list(map(''-''.join, itertools.combinations(x,2))))
                 .explode().value_counts())

Out[597]:
A-B    2
C-D    1
A-D    1
A-C    1
Name: Product, dtype: int64