使用Python统计DataFrame中跨订单出现频次最高的商品类别对

该数据集共4列，下方仅展示前14行，实际总数据量超10000行，同一订单下会向客户售卖多款商品。

统计所有订单中共同出现频次最高的商品类别对，例如(Cat1和Cat2)。仅使用Python实现，可调用numpy、pandas等常用第三方库。

• 商品仅包含3个类别
• ProdID为唯一标识列
• OrderID、Client ID不存在重复值

OrderID ProdID Prodcategory Client ID
4997    1   Cat 1   21
4997    2   Cat 1   22
4997    3   Cat 2   23
4997    4   Cat 3   24
2001    5   Cat 1   25
2001    6   Cat 2   26
2001    7   Cat 2   27
2001    8   Cat 2   28
2001    9   Cat 3   29
2376    10  Cat 3   30
2376    11  Cat 1   31
2376    12  Cat 2   32
2376    13  Cat 3   33
2376    14  Cat 1   34

同一订单下的所有不重复类别两两组成配对，每对在单个订单中仅计数1次，最终统计所有订单中各配对的总出现次数，找出频次最高的配对。例如订单4997中(Cat 1, Cat 2)、(Cat 2, Cat 3)、(Cat 1, Cat 3 )各计数1次，订单2001中该三类配对也各计数1次，最终统计所有订单的总计数即可得到结果。

原有实现仅能统计单个类别的整体出现频次，无法统计类别配对的共同出现频次，无法满足需求，原有代码如下：

# Import required libraries
import pandas as pd
import matplotlib.pyplot as plt

# Read the data into the dataframe
#df = pd.read_clipboard()
df

df.columns

df["Product category "].value_counts()

mylabels = ['Cat 2', 'Cat 1', 'Cat 3']
plt.pie(df["Product category "].value_counts(), labels = mylabels)
plt.show() 

核心思路是先按订单分组去重类别，再生成两两无顺序配对统计次数，代码如下：

import pandas as pd
from itertools import combinations

# 读取数据，可替换为pd.read_csv("你的数据文件路径.csv")
df = pd.read_clipboard()

# 按订单ID分组，获取每个订单下的唯一商品类别
order_unique_cats = df.groupby('OrderID')['Prodcategory'].unique()

pair_count = {}
for cats in order_unique_cats:
    # 仅处理包含2类及以上商品的订单
    if len(cats) >= 2:
        # 生成排序后的两两无重复组合，避免(Cat1,Cat2)和(Cat2,Cat1)被判定为不同配对
        for pair in combinations(sorted(cats), 2):
            pair_count[pair] = pair_count.get(pair, 0) + 1

# 转换为Series方便排序查看
pair_result = pd.Series(pair_count).sort_values(ascending=False)

# 输出结果
print("所有类别对出现频次：")
print(pair_result)
print(f"\n频次最高的类别对为{pair_result.index[0]}，共出现{pair_result.iloc[0]}次")

示例数据运行结果 #

上述示例数据中3个订单均同时包含3类商品，因此3个配对的出现次数均为3次，运行后输出如下：

所有类别对出现频次：
(Cat 1, Cat 2)    3
(Cat 1, Cat 3)    3
(Cat 2, Cat 3)    3
dtype: int64

频次最高的类别对为('Cat 1', 'Cat 2')，共出现3次

内容的提问来源于stack exchange，提问作者Abhishek Patil