统计itemset类型字典键在DataFrame中的精确匹配出现次数

问题原因 #

• 类型不匹配：你字典的键是set类型，而DataFrame的basket列存储的是list类型，二者即使包含的元素完全一致，相等判断也会返回False，所以in判断永远不会触发，统计值始终为0。
• 字典键类型非法：Python中普通set是不可哈希类型，无法作为字典的键，你示例中的字典写法实际运行会直接报错，需要替换为可哈希的frozenset类型作为键。

解决方案 #

首先修正字典的键类型：

# 将原字典的键替换为可哈希的frozenset
dict_of_items = {
    frozenset({'apple','banana','pear'}): 0, 
    frozenset({'banana', 'orange', 'squash'}): 0
}

执行统计逻辑：

# 将basket列的所有列表转为frozenset，和字典键类型对齐
df['basket_set'] = df['basket'].apply(frozenset)
# 批量统计所有集合的出现次数，比逐行遍历效率更高
item_counts = df['basket_set'].value_counts()
# 批量更新字典的计数
for itemset in dict_of_items:
    dict_of_items[itemset] = item_counts.get(itemset, 0)

运行后dict_of_items就是你期望的计数结果。

内容的提问来源于stack exchange，提问作者Nekojell