如何在 pandas 数据框中找到值对和三元组

Question

我有一个 Python 中的 pandas 数据框，其中包含以下两列。

我需要计算在考虑和不考虑顺序的情况下数据组合对和三元组出现的次数。举个例子，假设我有一个包含两列的数据框，

Classification

和

Individual

以及以下令牌数据

data = {

    'Classification': [1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5],
    'Individual': ['A', 'A', 'B', 'B', 'A', 'A', 'B', 'C', 'C', 'C', 'A', 'A', 'A', 'B', 'B', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C', 'A', 'A', 'B', 'B', 'B']
}

现在，我想得到以下结果

Clasification   ValueSeries TimesClassification PercentageClassification    

1   AB  5   1
2   AB  5   1
3   AC  2   0.4
3   AB  5   1   
3   ABC 3   0.6
4   AB  5   1
4   BC  2   0.4
4   ABC 3   0.6
5   AC  2   0.4
5   AB  5   1
5   ABC 3   0.6

这是对于每个分类值，其中包含的无序对和三元组。

Answer 1

确切的逻辑并不完全清楚，但您可以使用

itertools

生成

combinations

的

Classification

，然后应用

value_counts

和

groupby.transform

来计算计数：

from itertools import chain, combinations

def powerset(s):
    s = set(s)
    return list(chain.from_iterable(combinations(s, r)
                                    for r in range(2, len(s)+1))
               )

out = df.groupby('Classification')['Individual'].agg(powerset).explode()

out = (out
    .reset_index(name='ValueSeries')
    .merge(out.value_counts().rename('TimesClassification'),
           how='left',
           left_on='ValueSeries', right_index=True)
    .assign(PercentageClassification=lambda d: d['TimesClassification']
            / d.groupby('Classification')['TimesClassification'].transform('max')
           )
)

输出：

    Classification ValueSeries  TimesClassification  PercentageClassification
0                1      (A, B)                    5                       1.0
1                2      (A, B)                    5                       1.0
2                3      (C, A)                    3                       0.6
3                3      (C, B)                    3                       0.6
4                3      (A, B)                    5                       1.0
5                3   (C, A, B)                    3                       0.6
6                4      (C, A)                    3                       0.6
7                4      (C, B)                    3                       0.6
8                4      (A, B)                    5                       1.0
9                4   (C, A, B)                    3                       0.6
10               5      (C, A)                    3                       0.6
11               5      (C, B)                    3                       0.6
12               5      (A, B)                    5                       1.0
13               5   (C, A, B)                    3                       0.6