Pandas DataFrame行内组合生成与频次统计教程

import pandas as pd
import itertools
from collections import Counter

# 创建一个示例DataFrame
# 每一行代表一组数据，我们将对这些行内的元素生成组合
df = pd.DataFrame([
    [2, 10, 18, 31, 41],
    [12, 27, 28, 39, 42],
    [12, 4, 18, 6, 41]
])

print("原始DataFrame:")
print(df)

def get_combinations(row):
    """
    为DataFrame的每一行生成所有可能的组合。
    组合的长度从1到行的元素数量。
    """
    all_combs = []
    # 遍历所有可能的组合长度 (从1到行中元素的总数)
    for i in range(1, len(row) + 1):
        # 使用itertools.combinations生成指定长度的组合
        # 注意：combinations返回的是迭代器，需要转换为列表或元组
        all_combs.extend(list(itertools.combinations(row, i)))
    return all_combs

# 使用df.apply方法将get_combinations函数应用到DataFrame的每一行
# axis=1 表示按行应用函数
df["all_combs"] = df.apply(get_combinations, axis=1)

print("\n添加组合列后的DataFrame:")
print(df)

# 展平所有组合列表，并使用Counter统计每个组合的出现次数
# 这是一个嵌套的生成器表达式，高效地迭代所有组合
cnt = Counter(c for combs in df["all_combs"] for c in combs)

print("\n组合频次统计结果:")
print(cnt)

# 将Counter对象转换为DataFrame
df_cnt = pd.DataFrame({"combination": cnt.keys(), "count": cnt.values()})

# 按出现次数降序排列，以便查看最常见的组合
df_cnt = df_cnt.sort_values(by="count", ascending=False).reset_index(drop=True)

print("\n组合频次统计DataFrame:")
print(df_cnt)

import pandas as pd
import itertools
from collections import Counter

def get_combinations(row):
    """
    为DataFrame的每一行生成所有可能的组合。
    组合的长度从1到行的元素数量。
    """
    all_combs = []
    for i in range(1, len(row) + 1):
        all_combs.extend(list(itertools.combinations(row, i)))
    return all_combs

def analyze_dataframe_combinations(data):
    """
    主函数：处理DataFrame，生成行内组合并统计其频次。

    Args:
        data (list of list or pd.DataFrame): 输入数据，用于创建DataFrame。

    Returns:
        tuple: 包含原始DataFrame（带组合列）和组合频次统计DataFrame的元组。
    """
    if isinstance(data, pd.DataFrame):
        df = data.copy()
    else:
        df = pd.DataFrame(data)

    print("--- 原始DataFrame ---")
    print(df)

    # 步骤1: 为每行生成所有可能的组合
    df["all_combs"] = df.apply(get_combinations, axis=1)
    print("\n--- 添加组合列后的DataFrame ---")
    print(df)

    # 步骤2: 展平所有组合并统计频次
    # 使用嵌套生成器表达式高效地从所有行的组合列表中提取单个组合
    cnt = Counter(c for combs in df["all_combs"] for c in combs)
    print("\n--- 组合频次统计原始Counter对象 ---")
    print(cnt)

    # 步骤3: 将统计结果转换为DataFrame
    df_cnt = pd.DataFrame({"combination": cnt.keys(), "count": cnt.values()})
    df_cnt = df_cnt.sort_values(by="count", ascending=False).reset_index(drop=True)
    print("\n--- 组合频次统计DataFrame (按频次降序) ---")
    print(df_cnt)

    return df, df_cnt

if __name__ == "__main__":
    # 示例数据
    sample_data = [
        [2, 10, 18, 31, 41],
        [12, 27, 28, 39, 42],
        [12, 4, 18, 6, 41],
        [2, 10, 18, 5, 41] # 添加一行以增加某些组合的频次
    ]

    processed_df, frequency_df = analyze_dataframe_combinations(sample_data)