熊猫数据框中的行之间有交集的数据框？答案

【问题标题】：Dataframe with intersection among rows in pandas dataframe?熊猫数据框中的行之间有交集的数据框？
【发布时间】：2021-08-24 23:58:56
【问题描述】：

我在 pandas 数据框中遇到了挑战。基本上，我有 2 列。在第一个中，我有 3 个不同的班级，在第二个中，我列出了该科目的学生名单。示例如下：

df = pd.DataFrame({'Class': ['1A', '2B', '2C'],
                    'Students': [['Alice', 'Philips', 'John'],
                                 ['Philips', 'John', 'Anna', 'William'],
                               ['Arthur', 'Alice', 'Anna', 'William']]
                  })

我想要第二个数据框，其中包含不止一个班级的学生人数。也就是说，类之间的交集，如下

result= pd.DataFrame({'Comparison': ['1A-2B','1A-2C', '2B-2C'],
                      'Intersection size': [2, 1, 2]})

感谢您的帮助和关注！

【问题讨论】：

到目前为止你尝试了什么，问题出在哪里？
如果有 100 行输入数据，你会期望 4,950 行输出吗？即 100 从此 nCr 计算器中选择 2？ calculatorsoup.com/calculators/discretemathematics/…

标签： python pandas intersection

【解决方案1】：

import pandas as pd
import itertools

df = pd.DataFrame({'Class': ['1A', '2B', '2C'],
                    'Students': [['Alice', 'Philips', 'John'],
                                 ['Philips', 'John', 'Anna', 'William'],
                               ['Arthur', 'Alice', 'Anna', 'William']]
                  })

组合：生成所有列的组合。使用 itertools。

col=list(itertools.combinations(df.Class,2))  
> col  Out[68]:
> [('1A','2B'), ('1A', '2C'), ('2B', '2C')]

explode：形成结构化数据框

df1=df.explode('Students')

写一个for

d={}
for c in col:
    tmp=df1[(df1['Class']==c[0]) | (df1['Class']==c[1])]
    count=len(tmp)-tmp.Students.nunique()
    d[str(c[0])+'-'+str(c[1])]=count

字典d有你想要的：

d
Out[71]: {'1A-2B': 2, '1A-2C': 1, '2B-2C': 2}

【讨论】：

【解决方案2】：

您可以尝试以下方法：

import pandas as pd

df = pd.DataFrame({
    'Class': ['1A', '2B', '2C'],
    'Students': [['Alice', 'Philips', 'John'],
                 ['Philips', 'John', 'Anna', 'William'],
                 ['Arthur', 'Alice', 'Anna', 'William']]
})

ddf = df.explode("Students")
ddf = pd.crosstab(ddf["Students"], ddf["Class"])
A = ddf.values
result = pd.DataFrame(A.T @ A, index=ddf.columns, columns=ddf.columns)
print(result)

它给出：

Class  1A  2B  2C
Class            
1A      3   2   1
2B      2   4   2
2C      1   2   4

每行和每列的交集给出了参加这两个课程的学生人数。对角线条目给出了每个班级的学生人数。

如果您想获得一个仅列出具有非零交集值的不同类组合的数据框，那么以下应该可行：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Class': ['1A', '2B', '2C'],
    'Students': [['Alice', 'Philips', 'John'],
                 ['Philips', 'John', 'Anna', 'William'],
                 ['Arthur', 'Alice', 'Anna', 'William']]
})

ddf = df.explode("Students")
ddf = pd.crosstab(ddf["Students"], ddf["Class"])
A = ddf.values
result = pd.DataFrame(np.tril(A.T @ A, k=-1).T,
                      index=ddf.columns,
                      columns=ddf.columns).stack()
result.index = result.index.map(lambda x: f"{x[0]}-{x[1]}")
result[result > 0]

它给出：

1A-2B    2.0
1A-2C    1.0
2B-2C    2.0

【讨论】：