如何使用Python upsetplot统计pandas DataFrame列的公共值交集

你需要的统计逻辑是按行匹配多列的共同非空值，无法通过直接替换pd.notna实现，需要先对原始DataFrame做预处理，再输入upsetplot生成图表，具体步骤如下：

1. 核心逻辑说明 #

from_indicators的indicators参数仅支持对整列做统一判断的函数，而你需要的是逐行校验多列值是否相等，属于行维度的多列组合判断，必须先对原始数据做转换，把“相同值对应的列组合”转为布尔矩阵，再传给upsetplot。

2. 完整代码示例 #

import pandas as pd
import upsetplot
from upsetplot import from_indicators, plot
import matplotlib.pyplot as plt

# 逐行处理函数：将每行的同值列转为布尔标记
def process_row(row):
    # 过滤当前行空值，按值分组对应的列名
    non_na_vals = row.dropna()
    val_col_groups = non_na_vals.groupby(non_na_vals).groups
    processed_rows = []
    for common_val, cols in val_col_groups.items():
        bool_row = pd.Series(False, index=row.index)
        bool_row[cols] = True
        # 存储共同值，方便后续标注
        bool_row["common_value"] = common_val
        processed_rows.append(bool_row)
    return pd.DataFrame(processed_rows)

# 预处理原始数据
# 此处data替换为你自己的原始DataFrame
processed_data = pd.concat([process_row(row) for _, row in data.iterrows()], ignore_index=True)

# 生成upset图
indicator_mat = processed_data[data.columns]
upset_input = from_indicators(indicators=indicator_mat, data=processed_data)
plot(upset_input, show_counts=True)
plt.show()

3. 效果验证 #

针对你提供的示例数据，预处理后生成的布尔矩阵对应的交集组合完全符合你的预期：

• 值A、D对应column_1、column_2、column_4为True，计数为2
• 值B对应column_1、column_3、column_4为True，计数为1
• 值E对应column_1、column_3为True，计数为1
• 值C对应column_3为True，计数为1
• 值F对应column_5为True，计数为1

如果需要在图上展示对应共同值，可基于processed_data["common_value"]添加标注逻辑即可。

内容的提问来源于stack exchange，提问作者lavo_hos