Pandas如何统计同一购买订单中两两商品组合的出现次数

你已经完成了独热编码的预处理步骤，后续可以按以下逻辑处理得到目标结果：

1. 首先按purchase分组聚合，得到每个订单下各水果的出现标记

# 按订单ID分组求和，同一个订单中出现过的水果值为1，未出现为0
purchase_item = df2.groupby('purchase').sum()

2. 利用矩阵乘法计算两两水果的共现次数
   独热编码的转置矩阵与原矩阵相乘后，矩阵中第i行第j列的数值就是第i种水果和第j种水果共同出现的订单数：

# 计算共现矩阵
cooc_matrix = purchase_item.T.dot(purchase_item)

3. 对共现矩阵做格式转换，得到最终长表结构
   需要剔除自己与自己的配对、重复的配对（避免同时出现apple-banana和banana-apple），再转换为目标格式：

import numpy as np

# 对角线值为水果自身的出现总次数，置为0剔除
np.fill_diagonal(cooc_matrix.values, 0)
# 仅保留矩阵上三角部分，避免重复配对
upper_matrix = cooc_matrix.where(np.triu(np.ones(cooc_matrix.shape), k=1).astype(bool))
# 转换为长表，删除空值后重命名列
result = upper_matrix.stack().reset_index()
result.columns = ['item_1', 'item_2', 'purchase']
# 可选：过滤共现次数为0的无效配对
result = result[result['purchase'] > 0].reset_index(drop=True)

如果你不想走独热编码的路线，也可以直接对每个订单的水果生成两两组合后统计次数，实现逻辑更直观：

from itertools import combinations
import pandas as pd

# 生成每个订单内的所有两两水果组合
order_combo = df.groupby('purchase')['item'].apply(lambda x: list(combinations(sorted(x), 2)))
# 统计所有组合的出现次数
result = order_combo.explode().value_counts().reset_index()
# 拆分组合列为两列，调整为目标格式
result[['item_1', 'item_2']] = pd.DataFrame(result['item'].tolist(), index=result.index)
result = result[['item_1', 'item_2', 'count']].rename(columns={'count': 'purchase'})

内容的提问来源于stack exchange，提问作者user3276768