如何在pandas中计算共享唯一字段的行数

Question

假设我有一个数据框，记录了个人阅读的书籍及其得分情况：

df = pd.DataFrame({
'person' : [1,1,2,2,3,3], 
'book' : ['dracula', 'frankenstein', 'dracula', 'frankenstein',   'dracula', 'rebecca'], 
'score':[10,11,12,13,14,15]
})

df

           book  person  score
0       dracula       1     10
1  frankenstein       1     11
2       dracula       2     12
3  frankenstein       2     13
4       dracula       3     14
5       rebecca       3     15

我想要一个数据框，显示每对书籍有多少人都阅读过，即期望的结果如下：

               dracula    frankensten   rebecca
dracula          3             2           1
frankenstein     2             2           0
rebecca          1             0           1

也就是说，有两个人都读过dracula和frankenstein，一个人读过dracula和rebecca等等。我不关心分数。

我感觉这与数据透视表/堆叠/展开有关，但无法弄清楚，有什么建议吗？

- mojones

Answer 1

你可以构建一个数据透视表，并将其与其转置相乘：

pvt = pd.pivot_table(df, index='book',  columns='person', aggfunc=len, fill_value=0)
pvt.dot(pvt.T)
Out: 
book          dracula  frankenstein  rebecca
book                                        
dracula             3             2        1
frankenstein        2             2        0
rebecca             1             0        1

- ayhan

Answer 2

使用crosstab的另一个解决方案：

df = pd.crosstab(df.book, df.person)
print (df.dot(df.T))
book          dracula  frankenstein  rebecca
book                                        
dracula             3             2        1
frankenstein        2             2        0
rebecca             1             0        1

或者使用 groupby 和 unstack 解决方案：

df = df.groupby(['book','person'])['person'].size().unstack().fillna(0).astype(int)
print (df.dot(df.T))
book          dracula  frankenstein  rebecca
book                                        
dracula             3             2        1
frankenstein        2             2        0
rebecca             1             0        1

- jezrael

---

太棒了，感谢您提供这两个解决方案 - 我发现groupby更熟悉，但显然这正是crosstab所用的问题类型，所以我会努力学习它。 - mojones