无序集作为列 / Python 的 freezeset 对象答案

【问题标题】：Unordered sets as columns / Python's frozenset object无序集作为列 / Python 的 freezeset 对象
【发布时间】：2019-10-18 12:58:58
【问题描述】：

我正在尝试在 SAS 中复制以下模式（以 Python 显示）：

>>> df = pd.DataFrame({'a': list('abc'), 'b': list('cba')})
>>> df
   a  b
0  a  c
1  b  b
2  c  a
>>> df['key'] = [frozenset([x, y]) for x, y in df[['a', 'b']].values]
>>> df
   a  b     key
0  a  c  (a, c)
1  b  b     (b)
2  c  a  (a, c)
>>> df.drop_duplicates('key')
   a  b     key
0  a  c  (a, c)
1  b  b     (b)

实际上，我有两列，a 和 b。该表是通过自连接生成的，a 和 b 代表相同的规范列。我需要在合并/连接的a 和b 列上删除重复项而不保留这些列中值的顺序。我可以在 Python 中使用 frozenset 无序集合非常轻松地做到这一点 - 见上文。

我认为连接列然后排序可能会起作用，但实际上我的列比单字母单元格和来自this 文章的评论要复杂得多

嗯。 “Tim Mott”和“Tom Mitt”不会以姓名形式匹配，但会以排序的字谜形式匹配。这可能很有趣。

明确表示这不是我想要做的。

关于如何在 SAS 中复制这一点的任何提示？

编辑：最终，这是我要创建的视图，基本上是按该无序键计算记录：

>>> df.groupby('key').size()
key
(a, c)    2
(b)       1
dtype: int64

【问题讨论】：

标签： python sas

【解决方案1】：

如果您只是查看两个变量，则非常简单。只需先将它们与较小的值组合即可。

data have ;
  input (var1-var2) ($);
cards;
a  c
b  b
c  a
;

proc sql ;
create table want as
select
  case when var1=var2 then var1
       when var1<var2 then catx(',',var1,var2)
       else catx(',',var2,var1)
  end as key
  , count(*) as size
from have
group by 1
;
quit;

结果：

Obs    key    size

 1     a,c      2
 2     b        1

【讨论】：