Pandas数据框中值的组合

Question

这是我的pandas数据框：

       Item          Support_Count
0      BREAD              4
1      MILK               4
2      DIAPER             4
3      BEER               3

如何从第一列“物品”中生成所有可能的独特的2个和3个项目集组合。

示例（2个项目集）： （面包，牛奶） ，（面包，尿布），（面包，啤酒），（牛奶，尿布）等。

示例（3个项目集）： （面包，牛奶，尿布），（面包，牛奶，啤酒），（牛奶，尿布，啤酒）等。

- data_person

Answer 1

你可以使用 itertools 库：

import itertools
list(itertools.combinations(df['Item'], 2))

[('BREAD', 'MILK'),
 ('BREAD', 'DIAPER'),
 ('BREAD', 'BEER'),
 ('MILK', 'DIAPER'),
 ('MILK', 'BEER'),
 ('DIAPER', 'BEER')]

list(itertools.combinations(df['Item'], 3))

[('BREAD', 'MILK', 'DIAPER'),
 ('BREAD', 'MILK', 'BEER'),
 ('BREAD', 'DIAPER', 'BEER'),
 ('MILK', 'DIAPER', 'BEER')]

注意：组合数量增长非常迅速，因此生成所有可能的组合可能不是有效的。如果您还没有这样做，我建议查看Apriori算法实现。

- ayhan

---

哎呀，我的疑问是如何计算形成的组合的支持计数。 - data_person

事实上，我正在实现Apriori算法，您能告诉我一种比较数据集中生成的组合的方法吗？例如，如何检查数据集中（BREAD，MILK）的支持计数应该如何进行。 - data_person

你的数据框应该是交易表的一个摘要。现在，你已经计算出这些项目的支持计数，根据你的支持阈值，你需要计算项目对的计数。因此，你将在超过该阈值的项目上调用 itertools.combinations 并计算它们的数量。但是，你需要原始的交易表来完成这个任务。 - ayhan

那个问题的答案将基于您原始数据集的结构。您所有交易项是否在一个单元格中，还是它们在具有相同交易ID的不同行中？等等。我建议使用输入和期望输出提出一个新问题。 - ayhan