Pandas 按两列分组并在第三列计算共享值

Question

在 Pandas 中，我想对两列进行分组并计算共享的第三列值的数量。 随着对更大共享的偏好的增加。

在下面的 dataframe 中，对 col1 值进行分组，对 col2 值进行分组，并计算 col2 值共享 col3 值的频率。

结果是：ID1 和 ID2 共享一个 col3 值 (2)。 ID3 与 none (1) 共享。 但是，ID1、ID2 和 ID4 也共享一个值 (3)。 由于 ID1 和 ID2 已经共享一个值，因此采用两个 ID 和更多 ID 共享的值 (3)。 因此答案是3,1。 计数列表必须始终 = 唯一的 col2 值。

col1	列2	列3
一种	ID1	15
一种	ID1	16
一种	ID1	12
一种	ID2	15
一种	ID2	12
一种	ID3	18
一种	ID4	19
一种	ID4	12

Answer 1

如果我对你的理解正确，我想你想按col3而不是col2分组：

df = pd.read_html('https://stackoverflow.com/q/69419264/14277722')[0]

df = df.groupby(['col1','col3'])['col2'].apply(list).reset_index()
df['count'] = df['col2'].apply(len)

然后，您可以删除col2是另一行的子集的行，其中包含以下内容：

arr = pd.get_dummies(df['col2'].explode()).max(level=0).to_numpy()
subsets = np.matmul(arr, arr.T)
np.fill_diagonal(subsets, 0)
mask = ~np.equal(subsets, np.sum(arr, 1)).any(0)

df = df[mask]

   col1 col3             col2  count
0     A   12  [ID1, ID2, ID4]      3
3     A   18            [ID3]      1