如何使用项矩阵扫描候选项集并统计其出现次数？

问题说明 #

需要扫描布尔值组成的项矩阵（DataFrame格式），统计每个候选项集（集合类型）在矩阵中作为子集出现的次数——即每行中候选项集的所有元素对应列值均为True的总行数。由于普通集合不可哈希，无法直接作为字典键存储计数，需针对性处理。

解决方案一：用frozenset做字典键 + 逐候选集计算 #

把普通集合转为可哈希的frozenset作为字典键，再遍历每个候选项集计算出现次数：

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder

# 初始化数据集与项矩阵
dataset = [['Milk', 'Onion', 'Nutmeg', 'Kidney Beans', 'Eggs', 'Yogurt'],
           ['Dill', 'Onion', 'Nutmeg', 'Kidney Beans', 'Eggs', 'Yogurt'],
           ['Milk', 'Apple', 'Kidney Beans', 'Eggs'],
           ['Milk', 'Unicorn', 'Corn', 'Kidney Beans', 'Yogurt'],
           ['Corn', 'Onion', 'Onion', 'Kidney Beans', 'Ice cream', 'Eggs']]
te = TransactionEncoder()
te_ary = te.fit(dataset).transform(dataset)
df = pd.DataFrame(te_ary, columns=te.columns_)

# 候选项集列表
candidate_set = [{'Apple', 'Milk'}, {'Eggs', 'Milk'}, {'Onion', 'Yogurt'}]

# 转换为frozenset并统计次数
count_dict = {}
for candidate in candidate_set:
    frozen_candidate = frozenset(candidate)
    # 计算每行中候选集所有元素均为True的行数
    count = df[list(candidate)].all(axis=1).sum()
    count_dict[frozen_candidate] = count

print(count_dict)
# 输出：{frozenset({'Apple', 'Milk'}): 1, frozenset({'Eggs', 'Milk'}): 2, frozenset({'Onion', 'Yogurt'}): 2}

解决方案二：批量处理（更高效） #

若候选项集数量较多，用列表推导式批量生成计数：

count_dict = {
    frozenset(candidate): df[list(candidate)].all(axis=1).sum()
    for candidate in candidate_set
}

print(count_dict)

关键逻辑说明 #

• df[list(candidate)]：提取候选项集对应的矩阵列
• .all(axis=1)：判断每行中所有列是否均为True（即候选项集是当前行的子集）
• .sum()：统计满足条件的总行数
• frozenset(candidate)：将普通集合转为可哈希类型，作为字典键存储计数结果

内容的提问来源于stack exchange，提问作者Cooper