具有混合值的两列的唯一组合答案

【问题标题】：Unique combination of two columns with mixed values具有混合值的两列的唯一组合
【发布时间】：2021-07-26 14:35:32
【问题描述】：

我有两列 col1 和 col2

我正在尝试创建键列以显示 a 和 b 与 b 和 a

问题代码：

import pandas as pd
pd.DataFrame({'Col1':['a','c','b','e'],
              'Col2':['b','d','a','f']})

【问题讨论】：

标签： python pandas combinations

【解决方案1】：

试试frozenset

df['out'] = df.agg(frozenset,1).str.join(sep='')
Out[220]: 
0    ab
1    dc
2    ab
3    ef
dtype: object

【讨论】：

嗯，这给了我 1.3.0 的错误，TypeError: 'frozenset' type is unordered，但适用于 1.2.2
它对我有用，但df.agg(frozenset, axis=1).apply(sorted).str.join('') 可能更适合排序，因为它给了我“ba”而不是“ab”
@ALollz 很有趣~让我找到发行说明看看会发生什么~

【解决方案2】：

使用 numpy 对字符串进行排序，然后加入/求和。无论值在列中出现的顺序如何，这都会创建一个唯一键。

import numpy as np

df['key'] = np.sort(df.to_numpy(), axis=1).sum(1)

#  Col1 Col2 key
#0    a    b  ab
#1    c    d  cd
#2    b    a  ab
#3    e    f  ef

如果您有兴趣，numpy.sort 是执行此操作的高效方式。任何 .agg 或 .apply 都会减少行上的慢循环，因此随着 DataFrame 变大，它们的扩展性会更差。相对于numpy.sort，其他方法通常至少慢一个数量级。

import perfplot
import pandas as pd
import numpy as np
from string import ascii_lowercase


def apply_sorted(df):
    return df.apply(sorted, 1).str.join(sep='')

def numpy_sort(df):
    return pd.Series(np.sort(df.to_numpy(), axis=1).sum(1))


perfplot.show(
    setup=lambda N: pd.DataFrame({'Col1': np.random.choice([*ascii_lowercase], N), 
                                  'Col2': np.random.choice([*ascii_lowercase], N)}),
    kernels=[
        lambda df: apply_sorted(df),
        lambda df: numpy_sort(df),
    ],
    labels=['apply_sorted', 'numpy_sort'],
    n_range=[2 ** k for k in range(25)],
    equality_check=lambda x,y: x.compare(y).empty,
    relative_to=1,
    xlabel='len(df)'
)

【讨论】：

是的，numpy 排序确实有效。我尝试了一个涉及 apply lambda 的解决方案，它所花费的时间是frozenset 的一半。

【解决方案3】：

我会使用sorted 内置函数来完成这项任务

import pandas as pd
df = pd.DataFrame({'Col1':['a','c','b','e'],'Col2':['b','d','a','f']})
df['key'] = df.apply(sorted,1).str.join(sep='')
print(df)

输出

  Col1 Col2 key
0    a    b  ab
1    c    d  cd
2    b    a  ab
3    e    f  ef

解释：它确实按字典顺序对每一行进行排序，然后连接这些元素。假设：Col1 的每个元素都是单个字符，Col2 的每个元素都是单个字符。

【讨论】：