根据Python中数据框中的条件创建具有所有唯一可能组合的列表答案

【问题标题】：Create list with all unique possible combination based on condition in dataframe in Python根据Python中数据框中的条件创建具有所有唯一可能组合的列表
【发布时间】：2018-08-08 06:44:10
【问题描述】：

我有以下数据集：

d = {
'Company':['A','A','A','A','B','B','B','B','C','C','C','C','D','D','D','D'],
'Individual': [1,2,3,4,1,5,6,7,1,8,9,10,10,11,12,13]
}

现在，我需要在 Python 中创建一个列表，其中包含“公司”的所有元素对，它们对应于“个人”中的值。

例如对于上述数据集，上述输出应如下所示： ((A,B),(A,C),(B,C),(C,D))。前三个元组，因为个体 1 隶属于 A、B 和 C 和最后一个，个人 10 隶属于 C 和 D。

进一步解释 - 如果 individual =1，则上述数据集具有“A”、“B”和“C”值。现在，我想创建这三个值（元组）的所有唯一组合，因此它应该创建一个包含元组（A，B），（A，C）和（B，C）的列表。接下来是个人=2。这里只有值'A'，因此没有要附加到列表的元组。对于接下来的个人，每个人只有一个对应的公司，因此没有其他配对。唯一需要添加的其他元组是 Individual=10，因为它具有值 'C' 和 'D' - 因此应该将元组 (C,D) 添加到列表中。

【问题讨论】：

你能澄清一下“'Company' 如果 Individual=1 的所有组合”
当然可以。如果 individual =1，则上述数据集只有“A”和“B”值。现在，我想创建这两个值（元组）的所有唯一组合，因此它应该使用元组（A，B）创建一个列表。接下来是个人=2。这里只有值'A'，因此没有要附加到列表的元组。接下来是个人“3”，其公司值为“A”和“C”。因此它应该将 (A,C) 添加到列表中。等等。
@JanOhlenbusch，我为细化问题添加了单独的答案。

标签： python pandas numpy dictionary combinations

【解决方案1】：

一种解决方案是使用pandas:

import pandas as pd

d = {'Company':['A','A','A','B','B','B','C','C','C'],'Individual': [1,2,3,1,4,5,3,6,7]}

df = pd.DataFrame(d).groupby('Individual')['Company'].apply(list).reset_index()
companies = df.loc[df['Company'].map(len)>1, 'Company'].tolist()

# [['A', 'B'], ['A', 'C']]

这不是最有效的方法，但它可能很直观。

【讨论】：

非常感谢！这已经接近我正在寻找的 - 我认为我对输出不够清楚 - 因为您的解决方案为每个人提供了 n 元组。我需要每个人的所有双（2）元组组合并将它们添加到列表中。（我需要根据隶属关系创建一个可以在networkX中处理的边缘列表）。我相信 itertools 模块中有一种方法，使用组合迭代器 - 但是我仍然卡住了..
@JanOhlenbusch，您能否提供具有代表性的示例数据（输入和输出）来满足您的新需求？
谢谢，我更新了问题。我已经找到了一个可能的解决方案，作为您部分的扩展（见下文）。不确定它是否是最干净或最有效的解决方案。我们有一个包含 1-2 百万个条目的最终数据集，不确定 RAM 是否足够。 import itertools as itedgeList = []for x in companies: pairs = list(it.combinations(x, 2)) edgeList.extend(pairs)

【解决方案2】：

试试这个，

temp=df[df.duplicated(subset=['Individual'],keep=False)]
print temp.groupby(['Individual'])['Company'].unique()

>>>1    [A, B]
>>>3    [A, C]

【讨论】：

【解决方案3】：

这是您提炼问题的解决方案：

from collections import defaultdict
from itertools import combinations

data = {'Company':['A','A','A','A','B','B','B','B','C','C','C','C','D','D','D','D'],
        'Individual': [1,2,3,4,1,5,6,7,1,8,9,10,10,11,12,13]}

d = defaultdict(set)

for i, j in zip(data['Individual'], data['Company']):
    d[i].add(j)

res = {k: sorted(map(sorted, combinations(v, 2))) for k, v in d.items()}

# {1: [['A', 'B'], ['A', 'C'], ['B', 'C']],
#  2: [],
#  3: [],
#  4: [],
#  5: [],
#  6: [],
#  7: [],
#  8: [],
#  9: [],
#  10: [['C', 'D']],
#  11: [],
#  12: [],
#  13: []}

【讨论】：