Python：如何找到最常见的元素组合？

Question

一台机器生成故障代码，这些代码以pandas数据框的形式提供。id用于标识该机器，code则是故障代码。

df = pd.DataFrame({
    "id": [1,1,1,1,1,2,2,2,2,3,3,3,3,3,3,4],
    "code": [1,2,5,8,9,2,3,5,6,1,2,3,4,5,6,7],
})

示例：机器1生成了5个代码: 1、2、5、8和9。

我希望找出所有机器中最常见的代码组合。对于这个示例，结果可能是：[2](3次), [2,5](3次), [3,5](2次)等。

如何实现这一点？由于数据很多，因此我正在寻找一种高效的解决方案。

以下是另外两种表示数据的方式（以防这有助于计算）:

pd.crosstab(df.id, df.code)

df.groupby("id")["code"].apply(list)

- Julian

---

顺序很重要吗？[2，5]和[5,2]不同吗？ - sophros

顺序不重要；[2,5] 等同于 [5,2]。 - Julian

Answer 1

使用自定义函数 all_subsets，然后使用Series.explode展开值，最后使用Series.value_counts统计计数：

from itertools import chain, combinations

#https://dev59.com/QnRB5IYBdhLWcg3w7riV#5898031
#only converted to list and removed empty tuples by range(1,...
def all_subsets(ss):
    return list(chain(*map(lambda x: combinations(ss, x), range(1, len(ss)+1))))

s = df.groupby('id')['code'].apply(all_subsets).explode().value_counts()
print (s)
(2,)            3
(2, 5)          3
(5,)            3
(1, 2)          2
(3, 6)          2
               ..
(1, 5, 8)       1
(9,)            1
(1, 3, 4, 6)    1
(5, 8, 9)       1
(4, 6)          1

- jezrael

---

太好了，谢谢！您介意详细说明一下您的代码吗？ - Julian

@Julian - 我为元组列表创建了所有可能的组合，因此添加了explode以便通过value_counts进行计数。 - jezrael