如何用Groupby统计DataFrame单列分组内的组合出现次数？

要实现按id分组统计tag列的两两组合（含自身组合）出现次数，并将结果作为新列添加到原DataFrame中，可以按以下步骤操作：

步骤说明 #

1. 统计分组内tag的频数：先按id分组，计算每个分组中各tag值的出现次数。
2. 生成组合列名：基于所有唯一tag值，生成所有x≤y形式的组合列名（如1,1、1,2）。
3. 计算组合次数：对每个分组，根据tag频数计算各组合的出现次数：
   • 当x=y时，次数为组合数公式C(n,2) = n*(n-1)//2（即从n个相同tag中选2个的组合数）
   • 当x≠y时，次数为两个tag频数的乘积count(x)*count(y)
4. 合并结果到原DataFrame：将每个分组的组合统计结果关联回原DataFrame，确保同一id的所有行都填充对应统计值。

完整代码 #

import pandas as pd

# 初始化数据
data = {
    "id": ['a', 'a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'b', 'b'],
    "tag": [1, 1, 2, 2, 3, 3, 2, 2, 2, 3, 3, 3]}
df = pd.DataFrame(data)

# 1. 按id分组统计tag的出现频数
tag_counts = df.groupby('id')['tag'].value_counts().unstack(fill_value=0)

# 2. 生成所有x<=y的组合列名
all_tags = sorted(df['tag'].unique())
combinations = [f"{x},{y}" for x in all_tags for y in all_tags if x <= y]

# 3. 计算每个分组的组合次数
def calculate_combination_counts(row):
    counts = row.to_dict()
    combo_values = []
    for x in all_tags:
        for y in all_tags:
            if x > y:
                continue
            cnt_x = counts[x]
            cnt_y = counts[y]
            if x == y:
                val = cnt_x * (cnt_x - 1) // 2
            else:
                val = cnt_x * cnt_y
            combo_values.append(val)
    return pd.Series(combo_values, index=combinations)

combo_counts = tag_counts.apply(calculate_combination_counts, axis=1)

# 4. 合并结果到原DataFrame
result_df = df.merge(combo_counts, left_on='id', right_index=True)

# 查看结果
print(result_df)

输出验证 #

运行代码后得到的result_df与你提供的期望输出完全一致：

• 分组a中，1,1的次数为1（C(2,2)=1），1,2的次数为4（2*2=4）
• 分组b中，2,2的次数为3（C(3,2)=3），2,3的次数为9（3*3=9）
• 不存在的tag组合（如分组b中的1,1）填充为0

内容的提问来源于stack exchange，提问作者ManOnTheMoon