如何计算 dataframe 组中行的唯一组合？

Question

我想使用 pandas groupby 来计算每个农场上动物组合的出现次数（由 farm_id 表示）。 我正在尝试计算每种动物组合的农场数量。

所需的 output 将是这样的：

Out[6]: 
                 combo  count
0                  cow      1
1       [cow, chicken]      1
2  [cow, pig, chicken]      2

对于以下 dataframe：

df = pd.DataFrame([['cow',0],['chicken',0],
                   ['cow',1],
                   ['chicken',3],['pig',3],['cow',3],
                   ['pig',4],['cow',4],['chicken',4]]
                   ,columns=['animals','farm_id'])

df
Out[4]: 
   animals  farm_id
0      cow        0
1  chicken        0
2      cow        1
3  chicken        3
4      pig        3
5      cow        3
6      pig        4
7      cow        4
8  chicken        4

注意动物出现的顺序并不重要。

我试过这个：

df.groupby('farm_id').agg({'animals':'unique'})
Out[7]: 
                     animals
farm_id                     
0             [cow, chicken]
1                      [cow]
3        [chicken, pig, cow]
4        [pig, cow, chicken]

这给了我组合，但是（1）考虑了排序和（2）我不确定如何将计数生成为单独的列。

Answer 1

尝试：

import pandas as pd
from collections import Counter

df_1=df.groupby('farm_id')['animals'].unique().apply(list).apply(lambda x: sorted(x)).reset_index()

计算出现次数

dict=Counter([tuple(i) for i in df_1['animals']])

counter_df=pd.DataFrame.from_dict(dict, orient='index').reset_index()
counter_df.columns=['combo','count']

Answer 2

df = df.groupby('farm_id')['animals'].unique().apply(lambda x: tuple(sorted(x))).reset_index().rename(columns={'farm_id':'count'})
print(df.groupby('animals').count())

该解决方案的关键是通过使用元组使动物列表可散列，然后对该元组进行排序，以便我们可以计算组合出现的次数。

Answer 3

import pandas as pd
df = pd.DataFrame([['cow',0],['chicken',0],
               ['cow',1],
               ['chicken',3],['pig',3],['cow',3],
               ['pig',4],['cow',4],['chicken',4]]
               ,columns=['animals','farm_id'])
df  = df.sort_values(['animals','farm_id'])
df = df.groupby('farm_id').agg({'animals':'unique'})
df['animals'] = df['animals'].astype(str)
df2 = pd.DataFrame(df.animals.value_counts())
df = pd.merge(df, df2, left_on = 'animals', right_index = True,how = 'left')
df.columns = ['animal_combination','count']
df