如何测量熊猫 groupby 对象中组的重叠？答案

【问题标题】：How to measure overlap of groups in pandas groupby objects?如何测量熊猫 groupby 对象中组的重叠？
【发布时间】：2013-11-25 12:22:15
【问题描述】：

我有一个 pandas 数据框，看起来像

example_df = pd.DataFrame({"class": ["A", "A", "A", "B", "B", "B"], "id": [1,2,3,4,5,6], "value": [100, 100, 101, 101, 102, 103]})

example_df
  class  id  value
0     A   1    100
1     A   2    100
2     A   3    101
3     B   4    101
4     B   5    102
5     B   6    103

我想知道，对于每个class A 或 B，它的 values 有多独特；也就是说，它与其他类共享多少值。（您可以假设只有两个类。）例如，给定上面的数据框，A 与B 共享一个值。

通过将列分解为sets 并手动计算交叉点来做到这一点并不难，但这不是很好。在 pandas 中是否有一种优雅的方式来做到这一点？

【问题讨论】：

标签： python group-by pandas

【解决方案1】：

我觉得set计算还可以，可以用numpy.intersect1d()：

import numpy as np
g = example_df.groupby("class")
a = g.get_group("A")
b = g.get_group("B")
np.intersect1d(a.value, b.value)

这里还有一个groupby值的方法，这个看起来不错，但是我觉得它比 intersect1d版本：

(example_df.groupby("value")["class"].nunique() > 1).sum()

【讨论】：

【解决方案2】：

如果你这样查询：

>>> example_df[['class', 'value']].drop_duplicates().groupby('value').size()
value
100      1
101      2
102      1
103      1

然后您可以使用2 检查所有记录。如果您提供所需的输出，我可以更具体。

【讨论】：