使用 Pandas 计算重复项之间的交叉点答案

【问题标题】：Count the intersections between duplicates using Pandas使用 Pandas 计算重复项之间的交叉点
【发布时间】：2017-09-25 09:45:13
【问题描述】：

我有一个如下所示的数据框：

Symbols Count
A       3
A       1
A       2
A       4
B       1
B       3
B       9
C       2
C       1
C       3

我想使用 Pandas 做的是识别“计数”列上的重复行，但我想计算符号在重复项上相互交叉的次数。

我的意思是，如果一个 Count 值使用两个不同的符号出现两次。这些符号被列为它们之间有一个交集，因为它们共享相同的 Count 值。

类似这样的：

Symbol Symbol Number of Intersections
A       B      2
B       A      2
C       A      3
.....

我确信有一种 Pythonic Pandas 方法可以做到这一点。但没想到。

【问题讨论】：

标签： python pandas

【解决方案1】：

让我们使用merge 进行自我合并，然后使用query 和groupby：

df_selfmerge = df.merge(df, on='Count', how="inner").query('Symbols_x != Symbols_y')

(df_selfmerge.groupby(['Symbols_x','Symbols_y'])['Count']
         .count()
         .reset_index()
         .rename(columns={'Symbols_x':'Symbol',
                          'Symbols_y':'Symbol',
                          'Count':'Number of Intersections'}))

编辑：使用 size() 只是在 NaN 值的情况下更安全

(df_selfmerge.groupby(['Symbols_x','Symbols_y'])['Count']
         .size()
         .reset_index()
         .rename(columns={'Symbols_x':'Symbol',
                          'Symbols_y':'Symbol',
                          0:'Number of Intersections'}))

输出：

  Symbol Symbol  Number of Intersections
0      A      B                        2
1      A      C                        3
2      B      A                        2
3      B      C                        2
4      C      A                        3
5      C      B                        2

【讨论】：

谢谢，这是我需要的。我的第二个问题是对于“计数”列将是一列字符串的情况该怎么办，因为这个问题也很快会出现在我身上。即字符串中的相似性而不是整数字符。
不客气。完全相同的字符串不是问题。当您说字符串中的相似性时，这对我来说似乎是模糊的逻辑。您可能需要提交一个新的数据问题。感谢您的支持和接受！
不客气，我当然是指完全相同的字符串。