如何从活动-宾客列表中找出共同出席次数最多的宾客配对？

嘿，这个问题其实是数据领域里挺常见的关联统计需求，我给你梳理一套清晰的实操流程，不管你数据量多大都能落地：

不管你原始数据是Excel表格、CSV还是其他格式，首先要整理成每行对应一个活动+一个宾客的结构。比如原来一个活动行里列了多个宾客，就得拆成多行——比如活动"年会"有John、Jane、Bob，就拆成3行：

年会 | John
年会 | Jane
年会 | Bob

这一步是后续所有统计的基础，避免机器处理时因为格式混乱出错。如果是Excel里的多列宾客，用「数据分列+逆透视」就能快速搞定。

对每个活动里的宾客列表，生成所有无序配对组合（重点：John&Jane和Jane&John算同一组，不能重复计数）。比如刚才的年会，配对就是(John,Jane)、(John,Bob)、(Jane,Bob)。

这里如果手动做肯定不现实，用工具的话：

• 用Python可以借助itertools.combinations函数，它专门生成不重复的两两组合；
• 用SQL的话，可以通过自连接表来实现，记得加条件guest_id1 < guest_id2（用ID或者姓名排序）来避免重复配对。

把所有活动生成的配对汇总，统计每一组配对出现的次数——这就是他们共同出席的活动数。

给你两个常用工具的实现示例：

Python（适合大数据量） #

import pandas as pd
from itertools import combinations

# 假设你的数据存在df里，列名是event（活动）和guest（宾客）
# 按活动分组，每组生成两两配对
pair_series = df.groupby('event')['guest'].apply(
    lambda guests: pd.Series(list(combinations(guests, 2)))
)
# 统计每对出现的次数
pair_counts = pair_series.value_counts().reset_index(name='共同出席次数')

SQL（适合数据库存储的大数据） #

-- 假设表名为event_guests，字段是event_id, guest_id, guest_name
SELECT 
    g1.guest_name AS guest1,
    g2.guest_name AS guest2,
    COUNT(DISTINCT g1.event_id) AS 共同出席次数
FROM event_guests g1
JOIN event_guests g2 
    ON g1.event_id = g2.event_id 
    AND g1.guest_id < g2.guest_id  -- 避免重复配对
GROUP BY g1.guest_name, g2.guest_name
ORDER BY 共同出席次数 DESC;

统计完成后，找到「共同出席次数」的最大值，然后筛选出所有等于这个最大值的配对就行。如果有多个配对并列第一，都会被筛选出来。

• 尽量用宾客ID代替姓名统计，避免同名同姓导致的统计错误；
• 如果数据量超过10万行，Python里可以用Dask代替Pandas做并行处理，防止内存溢出；
• 要是用Excel处理小数据量，可以用辅助列生成配对，再用COUNTIFS统计，但数据量大时效率极低，不推荐。

内容的提问来源于stack exchange，提问作者Kimberly