如何用pandas计算交叉列间的唯一ID数量（类透视表需求）

首先构造原始数据：

import pandas as pd

data = {
    'id': [1,2,2,2,3,3,4,4],
    'Name': ['A','A','B','C','B','C','C','A']
}
df = pd.DataFrame(data)

步骤1：生成每个id对应的Name集合 #

按id分组，收集每个id关联的所有Name：

id_names = df.groupby('id')['Name'].apply(set).reset_index()

步骤2：生成每个id的Name两两组合 #

对每个id的Name集合，生成有序的两两组合（保证A-B和B-A被视为同一组）：

from itertools import combinations

def get_name_pairs(names):
    return list(combinations(sorted(names), 2))  # sorted确保组合顺序统一

id_names['pairs'] = id_names['Name'].apply(get_name_pairs)

步骤3：展开组合并统计唯一id数量 #

将组合列拆分为行，再按Name对分组统计id的唯一数量：

pairs_df = id_names.explode('pairs').dropna()
pairs_df[['Name1', 'Name2']] = pd.DataFrame(pairs_df['pairs'].tolist(), index=pairs_df.index)

count_df = pairs_df.groupby(['Name1', 'Name2'])['id'].nunique().reset_index(name='count')

步骤4：构建对称透视表并处理格式 #

生成透视表后补全对称数据，替换对角线为'-'：

# 生成基础透视表
pivot = count_df.pivot(index='Name1', columns='Name2', values='count').fillna(0).astype(int)

# 合并转置数据补全对称部分
full_pivot = pivot.combine_first(pivot.T)

# 设置行索引名称，替换对角线内容
full_pivot = full_pivot.rename_axis(index='Name', columns=None)
for name in full_pivot.index:
    full_pivot.loc[name, name] = '-'

# 固定列顺序为A、B、C
full_pivot = full_pivot[['A', 'B', 'C']]

最终得到的结果与目标表一致：

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