在巨大的 pandas 数据框中找到排列？

Question

我有一个相当大的数据框，基本上如下所示：

df_apple = pd.DataFrame({'_id': ['A','B' ,'C'], 'apple': ['1', '0', '1'], 'orange': ['1', '1', '0'],  'kiwi': ['1', '0', '1']})

我有每个_id 具有特征和二进制分类的列。我正在尝试为apple、orange 和kiwi 的每个排列/组合找到所有个体 (_id) 的频率和总数。这类似于这个问题here。

在这个玩具箱中，apple、orange 和 kiwi 的组合出现了一次 (_id == A)，而apple == 0 & orange==1 & kiwi==0 的组合则根本不出现。

我正在尝试创建一个应包含以下信息的输出：

df_combination = pd.DataFrame({'_id': ['Apple, Orange and Kiwi','Only Orange' ,'Apple and Kiwi but not Orang'], 'Count': ['1', '1', '1']})

即一个数据框告诉我，找到哪种组合以及频率。我对根本不出现的组合不感兴趣。

但是，我的数据框大约有 300 列。我无法先验地指定它们，并且通过计算解决这将需要很长时间。任何想法如何以一种好的方式解决这个问题？

Answer 1

看看这是否符合您的需求：

import pandas as pd

df_apple = pd.DataFrame({'_id':    ['A', 'B', 'C'],
                         'apple':  ['1', '0', '1'],
                         'orange': ['1', '1', '0'],
                         'kiwi':   ['1', '0', '1']})

df_counts = df_apple.groupby(by=tuple(df_apple.columns[1:])).count()
idx_str = [[df_counts.index.names[i] for i, v in enumerate(idx) if v != '0']
           for idx in df_counts.index]
idx_str = [" and ".join((", ".join(s[:-1]), s[-1])) if len(s) > 1 else s[0] for s in idx_str]
df_counts.index = idx_str
df_counts.columns = ["count"]
df_counts = df_counts.T

print(df_counts)
>>>        orange  apple and kiwi  apple, kiwi and orange
    count       1               1                       1