求同一Document_Source下任意两个Title共现次数的统计代码

嘿，我来帮你搞定这两个统计问题！

核心思路其实很简单：我们需要先确定「共同出现」的定义——也就是两个元素在同一个“分组”里出现（比如同一行、同一个类别分组下），然后统计每对元素出现在多少个这样的分组里。通用步骤如下：

• 第一步：确定分组规则：比如是按行分组（一行里的元素算一组），还是按另一列的类别分组（比如问题2里的Document_Source）。
• 第二步：生成元素对：对每个分组里的元素，生成所有不重复的无序元素对（避免把A&B和B&A当成两个不同的对重复统计）。
• 第三步：统计次数：把所有分组生成的元素对收集起来，统计每对出现的总次数。

根据你的预期输出（比如Dead poet society和Before sunrise:2代表这两个Title在2个来源中同时出现），我用Python的pandas和itertools给你写了一段可直接运行的代码，附带详细解释：

第一步：先模拟样本数据（你可以替换成自己的真实数据） #

import pandas as pd

# 模拟你的数据结构，你可以把这里换成读取自己的csv/excel文件
# 比如 df = pd.read_csv('your_data.csv')
data = {
    'Document_Source': ['Source1', 'Source1', 'Source2', 'Source2', 'Source3'],
    'Title': ['Dead poet society', 'Before sunrise', 'Dead poet society', 'Before sunrise', 'Dead poet society']
}
df = pd.DataFrame(data)

第二步：核心统计代码 #

from itertools import combinations

# 1. 按Document_Source分组，获取每个来源下的唯一Title（避免同一来源内重复Title干扰统计）
source_unique_titles = df.groupby('Document_Source')['Title'].unique()

# 2. 遍历每个来源，生成所有不重复的Title对（无序，确保A&B和B&A被视为同一对）
all_title_pairs = []
for titles in source_unique_titles:
    # 先排序再生成组合，保证每对Title的顺序一致，避免重复统计
    sorted_titles = sorted(titles)
    pairs = combinations(sorted_titles, 2)
    all_title_pairs.extend(pairs)

# 3. 统计每对Title的出现次数，并转换成你想要的格式输出
pair_count_result = pd.Series(all_title_pairs).value_counts().reset_index()
pair_count_result.columns = ['Title_Pair', 'Occurrence_Count']

# 打印成你要的示例格式
for _, row in pair_count_result.iterrows():
    title_a, title_b = row['Title_Pair']
    print(f"{title_a}和{title_b}:{row['Occurrence_Count']}")

代码说明 #

• groupby('Document_Source')['Title'].unique()：确保每个来源下的Title只保留唯一值，比如如果某个来源里多次出现同一个Title，不会重复计算。
• combinations(sorted_titles, 2)：sorted是关键，它能让(A,B)和(B,A)变成同一个组合，避免重复统计；combinations则负责生成所有不重复的2元Title对。
• 最终输出完全符合你给出的示例格式，运行上面的模拟数据会得到：Dead poet society和Before sunrise:2，和你的预期一致。

如果你当前代码有问题，可以检查这几点 #

• 是否处理了同一来源内的重复Title？如果没处理，会导致同一来源内的重复Title生成无效的对。
• 是否生成的是无序对？如果生成的是有序对，会把A&B和B&A当成两个不同的对，统计结果会翻倍。
• 是否正确按Document_Source分组统计？确保是统计跨来源的共同出现次数，而不是同一来源内的出现次数。

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