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