Pandas：如何按列元素的组合分组，以指示基于不同列的值的同现？ [英] Pandas: How to groupby combinations of column elements to indicate co-occurrence based on the values of a different column?

问题描述

我有一个 pandas 数据帧，格式为df，

Batch_ID    Product_ID
   1            A
   1            B
   1            C
   2            B
   2            B
   2            C
   2            C
   3            B
   3            B
   3            C
   4            C
   4            D
   5            D

我想从中获得一个边列表，本质上是一个新的数据帧edge_list_df(我无法将其转换为networkx对象)，

Source       Target         Weight
  A             B             1.0
  A             C             1.0
  A             D             0.0
  B             C             3.0
  B             D             0.0
  C             D             1.0

请注意，我在示例中给出了许多不同的可能性，以确保我的问题清晰。例如，即使对于BATCH_ID=2，B-C组合出现两次，计数器也不会增加两倍。

实现此目标的最有效方法是什么？

推荐答案

以下是我对它的看法：

from itertools import combinations

def combine(batch):
    """Combine all products within one batch into pairs"""
    return pd.Series(list(combinations(set(batch), 2)))

edges = df.groupby('Batch_ID')['Product_ID'].apply(combine).value_counts()
edges
#(B, C)    3
#(A, B)    1
#(A, C)    1
#(D, C)    1

我知道实际上不需要0出现边。

如果需要，可以将索引进一步拆分为源和目标：

edges = edges.reset_index()
edges = pd.concat([edges, edges['index'].apply(pd.Series)], axis=1)
edges.drop(['index'], axis=1, inplace=True)
edges.columns = 'Weight','Source','Target'
#       Weight Source Target
#0       3      B      C
#1       1      A      B
#2       1      A      C
#3       1      D      C

或：

c = ['Source', 'Target']
L = edges.index.values.tolist()
edges = pd.DataFrame(L, columns=c).join(edges.reset_index(drop=True))

这篇关于Pandas：如何按列元素的组合分组，以指示基于不同列的值的同现？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！