我有一個顯示訂單交易的資料框架，但我正在努力尋找一種方法來列出最經常購買的紅葡萄酒的搭配。我以前在某個地方看到過，但我似乎想不起怎么做。

import pandas as pd
df_orders = pd.DataFrame(
    {'Order': [300,300,301，301。 301,302,302,303,303】。]
    'Item':['Red wine','Chicken chop','Red wine'。
            '夏威夷比薩','花園沙拉','雞排'。
            '礦泉水','花園沙拉','紅葡萄酒']})

訂單專案  
0 300 紅葡萄酒    
1 300 雞排    
2 301 紅葡萄酒    
3 301夏威夷披薩
4 301花園沙拉    
5 302 雞排    
6 302 礦泉水    
7 303花園沙拉
8 303 紅葡萄酒

我的目的是找到與紅酒同時被訂購的最頻繁的專案。 預期的輸出：

Item 0花園沙拉 2 1 雞排 1 2夏威夷比薩 1

我嘗試使用groupby、counter和其他一些東西，但沒有得到想要的輸出。希望有比我更優秀的人可以幫助我解決這個問題。謝謝你。

uj5u.com熱心網友回復：

只過濾有 "紅酒 "的訂單號碼，然后使用Series.value_counts來計算專案。

df[df.Order.isin(df[df.Item == 'Red wine'].Order)].Item.value_counts() .drop('Red wine')

uj5u.com熱心網友回復：

通常的建議是不要在一個DataFrame上回圈。因此，如果你的DataFrame變得更大，這可能不是一個有效的解決方案。

我的處理方法是瀏覽每個獨特的訂單。從所有訂單中收集所有專案。檢查 "紅酒 "是否是其中一個專案。如果是，則將其他專案添加到字典中。

隨后將字典轉換回一個 DataFrame。

d = dict()

for order in set（df_orders.Order）。
    items = list(df_orders[df_orders.Order == order].Item)
    if 'Red wine' in items:
        for it in items:
            if it != 'Red wine':
                if it in d.keys()。
                    d[it]  =1
                else:
                    d[it] = 1.
output = pd.DataFrame(d.items(), columns=['item', 'count'] )

print(output)
             專案數
0 Chicken chop 1
1 夏威夷比薩 1
2花園沙拉 2

uj5u.com熱心網友回復：

你可以考慮使用一個過濾器和分組，如下所示

輸出

 專案計數
0 花園沙拉 2
1 夏威夷披薩 1
2 雞排 1

解說

df_orders[
    df_orders["Item"].ne("Red wine") & 
    df_orders["Order"].isin（orders_with_red_wine）]

• 最后，它只是一個按專案分組和計數的問題。

uj5u.com熱心網友回復：

我分兩步完成，沒有回圈，一步是選擇'Red wine'訂單號，然后過濾到這些訂單并洗掉'Red wine'行，然后使用value_counts產生頻率表，最后進行一些重命名以符合你想要的輸出

>>> orders = df_orders. loc[data['Item'] == 'Red wine']['Order'].value

>>> orders
array([300, 301, 303] )

>>> data.loc[df_orders['Order'].isin(orders) & ~df_orders['Item'].eq('Red wine') ]
        .專案
        .value_counts()
        .rename_axis('item')
        .reset_index(name='counts')

             專案計數
0花園沙拉 2
1 夏威夷比薩 1
2 雞排 1

uj5u.com熱心網友回復：

如果你只想計算某一列的頻率，你可以把它設定為索引，并對它使用index.value_counts()。

# reset index and save to new DataFrame
df = df_orders.reset_index()

# set index to 'Item' column
df1 = df.set_index('Item' )

# get orders, where 'Red wine' is purchased at same time[/span
orders = df1.loc['Red wine']['order']

# set index to 'Order' column, filter with the orders selected above;
df2 = df.set_index('Order').loc[orders]

# reset index to Item again[/span
res = df2.reset_index().set_index('Item')

# optional: remove 'Red wine' if you don't want to show them
res = res.loc[res.index != 'Red wine']

#呼叫索引方法value_counts。
ret = res.index.value_counts()

# print your result: 訂單包括'紅酒'，并列出其他物品一起購買的頻率。
print(ret)

你也可以使用index.value_counts(normalize=True)通過將所有的值除以值的總和來回傳相對頻率。

PS：API到pandas.index.value_counts()

標籤：

上一篇：哇，在一個范圍內過濾pandas組中的元素

下一篇：DataFrame值，如果宣告