Pandas 按兩列分組並在第三列計算共享值

Question

在 Pandas 中，我想對兩列進行分組並計算共享的第三列值的數量。 隨着對更大共享的偏好的增加。

在下面的 dataframe 中，對 col1 值進行分組，對 col2 值進行分組，並計算 col2 值共享 col3 值的頻率。

結果是：ID1 和 ID2 共享一個 col3 值 (2)。 ID3 與 none (1) 共享。 但是，ID1、ID2 和 ID4 也共享一個值 (3)。 由於 ID1 和 ID2 已經共享一個值，因此采用兩個 ID 和更多 ID 共享的值 (3)。 因此答案是3,1。 計數列表必須始終 = 唯一的 col2 值。

col1	列2	列3
一種	ID1	15
一種	ID1	16
一種	ID1	12
一種	ID2	15
一種	ID2	12
一種	ID3	18
一種	ID4	19
一種	ID4	12

Answer 1

如果我對你的理解正確，我想你想按col3而不是col2分組：

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，您可以刪除col2是另一行的子集的行，其中包含以下內容：

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