一个可能的解决方案是考虑关于标签而不是日期变量的问题。事实上，我们的目标是最大化特定日期/变量对的标签计数。如果我们沿着计数（降序）对数组进行排序并获取标签，我们将最终得到一个分配策略。以最大的标签为例，我们将按顺序取对并删除：

• 所选变量（该变量已与此日期的标记关联）
• 选择标签（标签已经分配给该日期的变量）。

我们在剩余的数据集中查找剩余的分配。
下面是一个实现

from collections import defaultdict as ddict
import pandas as pd

df = pd.DataFrame(
    {
        "date": ["1/1", "1/1", "2/1", "2/1", "2/1", "2/1"],
        "variable": ["A1", "A1", "B2", "B2", "C3", "C3"],
        "tag": ["xy1", "xy2", "xy1", "yy2", "xy1", "yy2"],
        "count": [3, 2, 4, 4, 4, 4],
    }
)
df.sort_values("count", ascending=False, inplace=True)

assignments = ddict(list)

for tag in set(df["tag"]):
    var_df = df[df["tag"] == tag]

    for (date, variable), grouped_df in var_df.groupby(
        ["date", "variable"], sort=False
    ):
        if (
            (df["date"] == date) & (df["variable"] == variable) & (df["tag"] == tag)
        ).any():
            assignments[tag].append([date, variable, tag, grouped_df["count"].iloc[0]])
            same_variable_date_df = df[
                (df["date"] == date)
                & ((df["tag"] == tag) | (df["variable"] == variable))
            ]
            df.drop(
                list(same_variable_date_df.index),
                inplace=True,
            )

assigned_df = pd.DataFrame(
    sum(assignments.values(), []), columns=["date", "variable", "tag", "count"]
)
print(assigned_df)

它回来了

date variable  tag  count
0  2/1       B2  xy1      4
1  1/1       A1  xy1      3
2  2/1       C3  yy2      4