Pandas DataFrame中与首列等值的列组合出现频次统计

核心逻辑 #

• 以每行首列的值为基准，筛选当前行中所有取值等于该基准值的列
• 按原列顺序将匹配到的列名拼接为组合标识，避免同组组合因列序错乱导致统计失真
• 对所有行生成的组合标识做频次计数，整理为指定的两列表格
• 全程无硬编码的列名/行列尺寸限制，可直接适配任意结构的同类DataFrame

完整可运行代码 #

import pandas as pd

# 构造题目示例DataFrame
df1 = pd.DataFrame(
    {
        "DK1": [10, 15, 15, 10, 10],
        "DK2": [10, 10, 15, 10, 10],
        "NO1": [12, 15, 15, 12, 10],
        "NO2": [15, 10, 15, 15, 10],
        "NO3": [15, 10, 15, 15, 15],
        "NO4": [10, 10, 15, 10, 15],
    }
)

def generate_row_combo(row):
    base_val = row.iloc[0]
    matched_cols = row[row == base_val].index.tolist()
    return "-".join(matched_cols)

# 逐行生成组合标识
combo_list = df1.apply(generate_row_combo, axis=1)

# 统计频次并整理格式
result = (
    combo_list.value_counts()
    .rename_axis("Combo")
    .reset_index(name="Occurrence")
)

运行结果校验 #

执行上述代码后输出的结果与题目期望完全一致：

Combo  Occurrence
0          DK1-DK2-NO4           2
1  DK1-DK2-NO1-NO2-NO3-NO4           1
2              DK1-NO1           1
3      DK1-DK2-NO1-NO2           1

实现注意事项 #

• 取基准值时优先用位置索引row.iloc[0]获取首列，不要硬编码固定列名，避免列名变更时逻辑失效
• 匹配列时直接通过row == 基准值筛选结果，返回的索引顺序和原DataFrame列顺序完全一致，拼接后不会出现同组组合字符串不一致的问题
• 整个逻辑没有绑定固定的行列数量，哪怕DataFrame后续增加列、增加行数，代码不需要修改即可正常运行

内容的提问来源于stack exchange，提问作者JeppeBay