Python Pandas 计算最频繁出现的次数

Question

这是我的示例数据框，其中包含有关订单的数据：

import pandas as pd
my_dict = { 
     'status' : ["a", "b", "c", "d", "a","a", "d"],
     'city' : ["London","Berlin","Paris", "Berlin", "Boston", "Paris", "Boston"],
     'components': ["a01, a02, b01, b07, b08, с03, d07, e05, e06", 
                    "a01, b02, b35, b68, с43, d02, d07, e04, e05, e08", 
                    "a02, a05, b08, с03, d02, d06, e04, e05, e06", 
                    "a03, a26, a28, a53, b08, с03, d02, f01, f24", 
                    "a01, a28, a46, b37, с43, d06, e04, e05, f02", 
                    "a02, a05, b35, b68, с43, d02, d07, e04, e05, e08", 
                    "a02, a03, b08, b68, с43, d06, d07, e04, e05, e08"]
}
df = pd.DataFrame(my_dict)
df

我需要统计最频繁的次数：

订单中前 n 个同现组件
前 n 个最频繁的组件（不考虑共现）

最好的方法是什么？

我也能看到与购物篮分析问题的关系，但不知道该怎么做。

Answer 1

@ScottBoston 的回答显示了实现此目的的矢量化（因此可能更快）方法。

出现次数最多

from collections import Counter
from itertools import chain

n = 3
individual_components = chain.from_iterable(df['components'].str.split(', '))
counter = Counter(individual_components)
print(counter.most_common(n))
# [('e05', 6), ('e04', 5), ('a02', 4)]

Top-n 同现

请注意，我使用了两次 n，一次用于 "the size of the co-occurrence"，一次用于 "top-n" 部分。显然，您可以使用 2 个不同的变量。

from collections import Counter
from itertools import combinations

n = 3
individual_components = []
for components in df['components']:
    order_components = sorted(components.split(', '))
    individual_components.extend(combinations(order_components, n))
counter = Counter(individual_components)
print(counter.most_common(n))
# [(('e04', 'e05', 'с43'), 4), (('a02', 'b08', 'e05'), 3), (('a02', 'd07', 'e05'), 3)]

Answer 2

这里有更多 "pandas" 方法可以做同样的事情：

获得前三个组件

#Using list comprehension usually faster than .str accessor in pandas
pd.concat([pd.Series(i.split(',')) for i in df.components]).value_counts().head(3)
#OR using "pure" pandas methods
df.components.str.split(',', expand=True).stack().value_counts().head(3)

输出：

 e05    6
 e04    5
 d02    4
dtype: int64

接下来查找同类群组，3 个组成部分一起报告 n=3：

from itertools import combinations
n=3
pd.concat([pd.Series(list(combinations(i.split(','), n))) for i in df.components])\
  .value_counts().head(3)

输出：

( с43,  e04,  e05)    4
(a02,  e04,  e05)     3
( с43,  d07,  e05)    3
dtype: int64

Python Pandas 计算最频繁出现的次数

Python Pandas count most frequent occurrences

python

frequency

count

frequency-analysis

pandas