如何统计Pandas数据框中产品选择组合的出现频率？

步骤1：准备环境与模拟数据 #

先给数据框添加列名（方便后续识别选中的产品），模拟代码如下：

import pandas as pd
import numpy as np

# 生成模拟数据并添加列名
df = pd.DataFrame(np.random.randint(2, size=(566,8)), columns=[f"产品{i+1}" for i in range(8)])

步骤2：统计各选择组合的出现次数 #

两种简洁实现方式：

方式一：用value_counts()快速统计

# 按行去重并统计次数，转换为数据框格式
combination_counts = df.value_counts().reset_index(name="出现次数")

方式二：用groupby分组统计

# 按所有列分组，统计每组行数
combination_counts = df.groupby(list(df.columns)).size().reset_index(name="出现次数")

步骤3：提取对应选中的产品列 #

通过apply遍历每行，筛选出值为1的列名，组成选中产品列表：

combination_counts["选中的产品列"] = combination_counts.apply(
    lambda row: [col for col in df.columns if row[col] == 1],
    axis=1
)

步骤4：整理并查看结果 #

如果只需要核心信息（选中产品+出现次数），可以筛选列并排序：

# 按出现次数降序排列，展示关键列
final_result = combination_counts[["选中的产品列", "出现次数"]].sort_values(by="出现次数", ascending=False)
print(final_result)

说明 #

• 如果你的原始数据框没有列名，先执行df.columns = [f"产品_{i}" for i in range(df.shape[1])]给列命名，否则选中列会显示索引数字
• value_counts()默认按出现次数降序排列，比groupby写法更简洁，适合快速统计

内容的提问来源于stack exchange，提问作者lopusfx