从另一列分组的列中的列表中查找频繁元素

Question

我的数据框如下所示

col1      col2
type1     ['A','C','B','D']
type1     ['C','A','F','E']
type1     ['F','E','G','H']
type2     ['A','E','F','G']
type2     ['A','E','J','K']

我必须从col2中的列表中找出经常出现在给定用户输入中的元素。 例如，如果用户输入是A，那么我们必须找到与A一起出现的前3个元素，并且必须对col1中的每个值进行计算。 i、 e

type1 - most frequent element for A - A,C will be the output
type2 - most frequent element for A - A,E will be the output

这里发布的数据是示例数据

Answer 1

我希望我正确理解您的问题-您希望前三项是A的邻居：

from collections import Counter

def fn(x):
    c = Counter()
    for row in x:
        s = pd.Series(row)
        m = s == 'A'
        c.update(s[m.shift(fill_value=False) | m.shift(-1, fill_value=False)])
    return c.most_common(3)

print( df.groupby('col1').col2.apply(fn) )

印刷品：

col1
type1    [(C, 2), (F, 1)]
type2            [(E, 2)]
Name: col2, dtype: object

C是A的2倍邻居，F在type1中只有一次

E是A的2倍邻居，在type2

---

如果您想要最常见的，您可以在fn()中执行以下操作：

return list(dict(c.most_common(1)).keys())

这张照片是：

col1
type1    [C]
type2    [E]
Name: col2, dtype: object

Answer 2

def func(_list):
    a = _list
    b = [a.count(i) for i in a ]
    c = pd.DataFrame({'Letter':a,
                      'Count':b})
    d = c[c['Count'] == c['Count'].max()]
    e = d['Letter'].unique()
    f = np.array(e,dtype = object)
    return f

df = pd.DataFrame({'col1':['type1','type1','type1','type2','type2'],
               'col2':[['A','C','B','D'],['C','A','F','E'],['F','E','G','H'],['A','E','F','G'],['A','E','J','K']]
              })

df = df.groupby('col1').sum()

df['col3'] = df['col2'].apply(lambda x: func(x))

df

Answer 3

from collections import Counter

def most_freq(series, input_):
    cnt = Counter()
    for row in series:
        if input_ in row:
            for i in row:
                cnt[i] += 1
    return [k for (k,v) in cnt.most_common(2)]

query = 'A'
df.groupby('col1').agg({'col2': lambda x: most_freq(x, query)})

产出：

        col2
col1    
type1   [A, C]
type2   [A, E]

说明：

解决此问题的一种可能方法是使用自定义的^{}函数

如果出现user input，它使用Counter收集按col1分组的每行中的所有元素计数，并返回其前2个出现次数。如果要查找前3个匹配项，OP可以将cnt.most_common(2)中的arg2更改为3