Pandas统计0/1编码列的组合频次（针对total=2场景）

问题背景 #

我在Pandas DataFrame中存储了一组样本，其中多列为0/1编码的条件激活状态。示例代码如下：

import pandas as pd
ex = pd.DataFrame({
    "cond_1" : [1, 1, 1, 1, 0, 1],
    "cond_2" : [0, 0, 1, 0, 1, 1],
    "cond_3" : [0, 1, 0, 1, 1, 1]
})

ex = ex.assign(total=ex.sum(axis=1))

生成的DataFrame如下：

需要关注total值为2的行，统计各两条件组合的激活次数，目标输出格式如下（两种均可）：

目标格式1 #

目标格式2（unstack后） #

由于条件列较多，需通过groupby按total分组实现统计，该如何操作？

解决方案 #

1. 提取条件列并生成两两组合 #

首先分离所有条件列，并用itertools.combinations生成所有两两组合：

import itertools

# 提取所有条件列
cond_cols = ex.columns[ex.columns.str.startswith('cond_')]
# 生成所有两两条件组合
combos = list(itertools.combinations(cond_cols, 2))

2. 定义分组统计函数 #

针对每个total分组，统计每个两两组合中两条件同时激活（值为1）的行数：

def count_pairs(group):
    pair_counts = {}
    for col1, col2 in combos:
        # 生成组合名称，如cond_1+cond_2→cond_12
        pair_name = f"{col1}{col2[-1]}"
        # 统计两列同时为1的行数
        pair_counts[pair_name] = ((group[col1] == 1) & (group[col2] == 1)).sum()
    return pd.Series(pair_counts)

3. 执行分组统计 #

按total分组后应用上述函数，得到格式1的结果：

result = ex.groupby('total').apply(count_pairs)

输出结果：

cond_12  cond_13  cond_23
total                           
1            0        0        0
2            1        2        1
3            0        0        0

4. 转换为格式2（可选） #

如果需要unstack后的格式，过滤total=2的行并整理：

unstacked_result = result.loc[2].reset_index()
unstacked_result.columns = ['组合', '次数']

输出结果：

组合  次数
0  cond_12   1
1  cond_13   2
2  cond_23   1

性能说明 #

该方法适用于大量条件列的场景，itertools.combinations仅生成必要的两两组合，分组统计逻辑逐组计算，内存占用低且效率稳定。

内容的提问来源于stack exchange，提问作者tms