我有一个df1，其中包含一些item_id，以及每个项目的一些值（称为“节点”）：
df1 = pd.DataFrame({'item_id':['1','1','1','2','2','2','3','3'],'nodes':['a','b','c','d','a','e','f','g']})和一个df2，这是一个“向量”列表，其中每行是一个节点元组（可以在df1中，但其中一些不是）：
df2=pd.DataFrame({'vectors':[('a','b'),('b','c'),('d','f'),('e','b')]})我需要计算df1中不同的item_id的数量，这些item_id在df2中至少有一个向量，因为向量可以从该项目的所有可能的节点组合中构造出来。
例如，item_id = 1具有节点[a,b,c]，因此可以形成这些向量：[(a,b),(a,c),(b,a),(b,c),(c,a),(c,b)]。由于向量(a,b)和(b,c)存在于df2中，那么我应该计数item_id = 1。但是，我不应该计数item_id = 2，因为从所有可以由其节点组合形成的向量中，没有一个在df2中。
我不知道如何才能做到这一点。我可以获得所有可能的节点组合列表，以形成df1中第一个item_id的不同向量，使用：
from itertools import product
nodes_fa=df1[df1.item_id=="1"].nodes.to_list()
vectors_fa = pd.DataFrame(product(nodes_fa,nodes_fa),columns=['u','v'],dtype='str')
vectors_fa['vector'] = vectors_fa[["u", "v"]].agg(tuple, axis=1)
vectors_fa = vectors_fa[['vector']]
display(vectors_fa)但是我不知道如何将其扩展到所有的item_id，也不知道如何检查这个列表中的任何值是否在循环中的df2中。
任何帮助都将不胜感激。
2条答案
按热度按时间ha5z0ras1#
您可以使用
itertools.combinations和groupby.apply，并在set/frozenset的帮助下：要考虑无向边（
('a', 'b')==('b', 'a')）：对于有向边（
('a', 'b')！=('b', 'a')）：输出：
1使用pandas函数的替代方案（可能效率较低）：
5vf7fwbs2#
我想提出一个使用合并而不是依赖于
apply的解决方案，这取决于存在多少个item_id值，以及每个item_id有多少行，它可能也会更好地提高性能。