Pandas实现忽略行内元素顺序的组合频次统计

统计数据表中同类记录的出现频次，判定同类的规则为：不考虑行内元素的排列顺序，只要元素组成完全一致就算同一类。

输入数据 #

输入DataFrame结构如下：

df:
Col1
A;B;C
C;B;A
A;D
A;C;B
D;A
D;C

预期输出 #

分类统计后的结果如下：

df_result:
Col    freq
A;B;C   3
A;D     2
D;C     1

分类逻辑说明 #

• A;B;C、C;B;A、A;C;B 三个值拆分后元素均为A、B、C，仅排列顺序不同，归为A;B;C类，统计频次为3
• A;D、D;A 拆分后元素均为A、D，归为A;D类，统计频次为2
• D;C 无其他元素组成相同的记录，单独为一类，统计频次为1

核心逻辑：对每行的字符串按分隔符拆分后，将元素做统一排序，再拼接成标准格式的字符串，以此为分组依据做频次统计即可。

import pandas as pd

# 1. 构造示例数据
df = pd.DataFrame({
    'Col1': ['A;B;C', 'C;B;A', 'A;D', 'A;C;B', 'D;A', 'D;C']
})

# 2. 生成统一标准的分类键：拆分→排序→拼接
df['std_key'] = df['Col1'].apply(lambda s: ';'.join(sorted(s.split(';'))))

# 3. 分组计数，整理成目标格式
df_result = df['std_key'].value_counts().reset_index()
df_result.columns = ['Col', 'freq']

运行上述代码后得到的df_result与预期输出完全一致。如果需要调整分类后的展示格式，只需要修改排序、拼接的规则即可。

内容的提问来源于stack exchange，提问作者Cina