如何统计数据集内A={Onion}与B={Kidney Beans,Eggs}的出现次数

统计实现方案（Python pandas环境为例） #

假设你的数据集为购物篮类数据集，每行对应一条交易记录，记录中的商品以逗号分隔存储：

• 第一步：导入依赖并加载数据集

import pandas as pd
# 替换为你的实际数据集路径
df = pd.read_csv("dataset.csv")
# 假设存储商品的列名为items，可根据实际字段名修改

• 第二步：定义目标统计集合

set_a = {"Onion"}
set_b = {"Kidney Beans", "Eggs"}

• 第三步：编写匹配统计逻辑
  集合的出现次数统计规则为：单条交易记录包含集合内所有元素时，计为1次有效出现

def is_contain(target: set, item_str: str) -> bool:
    # 将每行的商品字符串转为集合后判断子集关系
    transaction_items = set([i.strip() for i in item_str.split(",")])
    return target.issubset(transaction_items)

# 统计集合A出现总次数
count_a = df["items"].apply(lambda x: is_contain(set_a, x)).sum()
# 统计集合B出现总次数
count_b = df["items"].apply(lambda x: is_contain(set_b, x)).sum()

• 第四步：查看统计结果

print(f"集合A（Onion）总出现次数：{count_a}")
print(f"集合B（Kidney Beans+Eggs同时出现）总次数：{count_b}")

补充：若需统计集合B内单个元素各自的出现次数 #

# 统计Kidney Beans单独出现次数
count_kidney = df["items"].apply(lambda x: "Kidney Beans" in x).sum()
# 统计Eggs单独出现次数
count_eggs = df["items"].apply(lambda x: "Eggs" in x).sum()

其他实现方案（SQL环境为例） #

假设交易数据存储在transaction表中，存储商品的字段为items：

• 统计集合A出现次数

SELECT COUNT(*) AS count_a FROM transaction 
WHERE items LIKE '%Onion%';

• 统计集合B（同时包含两个元素）出现次数

SELECT COUNT(*) AS count_b FROM transaction 
WHERE items LIKE '%Kidney Beans%' AND items LIKE '%Eggs%';

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