Finden am häufigsten in Dataframe von Listen

Question

Ich habe einen Datenrahmen mit Spalten ID, Product. Beispiel:

ID Product 
1 ['a','b'] 
2 ['a','b','e'] 
3 ['c','d'] 
4 ['a','b','c','d'] 

Das Produkt ist ein Listenfeld, in dem jede Liste die Produkte enthält, die eine Person besitzt. Zum Beispiel hat eine Person mit ID 1 die Produkte a und b. Ich muss die beliebtesten/häufigsten Produktpaare finden. In diesem Beispiel sind die Produkte [a, b] am beliebtesten. Es müssen die häufigsten Produktpaare sein, da keine Person ein Produkt haben kann.

Answer 1

1) Verwenden Sie itertools.combinations, um alle möglichen Kombinationen von Paaren zu erhalten, und konvertieren Sie die resultierende Serie in ihre Listenrepräsentation, die später einem Datenrahmenkonstruktor zugeführt werden muss.

2) Stapeln Sie die DF und nehmen Sie Series.value_counts(). Besorgen Sie sich den Index mit der höchsten Anzahl unter Verwendung von Series.idxmax().

---

import itertools 

comb = lambda x: list(itertools.combinations(x, 2)) 
L = df['Product'].map(comb).tolist() 
pd.DataFrame(L).stack().value_counts(sort=False).idxmax() 
Out[21]: 
('a', 'b') 

---

Edit: (basierend auf Kommentar eine neue Anforderung unter Angabe)

a, cnt = np.unique(df.Product.values, return_counts=True) 
a[cnt==cnt.max()] 
array([['a', 'b', 'e']], dtype=object)