熊猫查找在数据框中的两列中交叉销售

Question

我想做的是一种交叉销售。

我有一个包含两列的 Pandas 数据帧，一列包含收据编号，另一列包含产品 ID：

receipt  product
1        a
1        b
2        c
3        b
3        a

大多数收据都有很多产品。我需要找到的是收据中发生的产品组合的数量。假设产品"a"和"b"是最常见的组合(它们一起出现在大多数收据中(，我如何找到此信息？

我尝试使用df.groupby(['receipt','product']).count()但这只给我带来了收据+产品的组合计数，而不是每个收据的产品关系计数。

任何帮助都是可用的，谢谢！

Answer 1

我认为这就是你要找的

df.groupby(['receipt']).agg({'product': list}).assign(count=lambda x: x['product'].str.len())

product  count
receipt
1        [a, b]      2
2           [c]      1
3        [b, a]      2

Answer 2

我认为你可以进行交叉合并：

new_df = df.merge(df, on='receipt')
(new_df[new_df['product_x'] < new_df['product_y']]
.groupby(['product_x','product_y'])['receipt'].count()
)

输出：

product_x  product_y
a          b            2
Name: receipt, dtype: int64