如何获取集合组中每个集合的独有元素？含Pandas/Numpy实现疑问

原生集合操作实现 #

要找出每个集合的独有元素，核心思路是用当前集合减去其他所有集合的并集——其他集合的并集包含了所有在其他集合中出现过的元素，减去后剩下的就是只在当前集合存在的元素。

基础实现代码 #

sets = {
    'rat': {'a', 'b', 'c', 'd'},
    'cat': {'a', 'b', 'd', 'f'},
    'dog': {'a', 'b'},
}

uniq = {}
all_groups = list(sets.keys())
for group in all_groups:
    # 合并当前组之外的所有集合
    others_union = set()
    for other_group in all_groups:
        if other_group != group:
            others_union.update(sets[other_group])
    # 计算当前组的独有元素
    uniq[group] = sets[group] - others_union

print(uniq)
# 输出: {'rat': {'c'}, 'cat': {'f'}, 'dog': set()}

简洁写法 #

用生成器表达式和集合的union方法简化代码：

uniq = {
    group: sets[group] - set().union(*(sets[g] for g in sets if g != group))
    for group in sets
}

Pandas实现方式 #

如果用Pandas处理，可以通过构建元素-集合的关联表，统计元素出现的集合数量，再筛选出只出现一次的元素并映射回对应集合。

方法一：布尔矩阵统计 #

import pandas as pd

sets = {
    'rat': {'a', 'b', 'c', 'd'},
    'cat': {'a', 'b', 'd', 'f'},
    'dog': {'a', 'b'},
}

# 收集所有唯一元素
all_elements = set().union(*sets.values())

# 创建布尔矩阵：行=元素，列=集合，值表示元素是否在集合中
df = pd.DataFrame(index=all_elements)
for col in sets:
    df[col] = df.index.isin(sets[col])

# 统计每个元素被多少个集合包含
df['appear_count'] = df.sum(axis=1)

# 筛选只在一个集合中出现的元素
unique_elems = df[df['appear_count'] == 1]

# 构建结果字典
uniq_pd = {col: set(unique_elems[unique_elems[col]].index) for col in sets}

print(uniq_pd)
# 输出: {'rat': {'c'}, 'cat': {'f'}, 'dog': set()}

方法二：长表分组统计 #

import pandas as pd

# 将集合转换为元素-集合的配对列表
data = []
for group, elements in sets.items():
    data.extend([(elem, group) for elem in elements])

df = pd.DataFrame(data, columns=['element', 'group'])

# 统计每个元素所属的集合数量
elem_group_count = df.groupby('element')['group'].nunique()

# 筛选只属于一个集合的元素
target_elems = elem_group_count[elem_group_count == 1].index

# 按集合分组收集独有元素
uniq_pd = df[df['element'].isin(target_elems)].groupby('group')['element'].apply(set).to_dict()

# 为没有独有元素的集合补充空集合
for group in sets:
    uniq_pd.setdefault(group, set())

print(uniq_pd)

内容的提问来源于stack exchange，提问作者catleeball