1

Tengo un archivo .csv que contiene un dataframe parecido al siguiente:

df = pd.DataFrame(data=[[0,0,1,1,0],[0,0,1,1,0],[0,1,0,1,0],[0,1,1,1,1],[0,0,0,1,1],[0,1,1,1,1]],columns=['a','b','c','d','e'])

La diferencia es que el archivo .csv tiene 500 filas. Quiero encontrar las todas las combinaciones posibles solo en las columnas b,c,d,e y contar cuantas veces se repite cada una para obtener algo asi:

[1,0,1,0] : 1
[1,1,1,1] : 2
[0,0,1,1] : 1

Esto es lo que he logrado pero obtengo errores al accesar las columnas b,c,d,e. Si encuentran otra manera de hacerlo agradezco la ayuda.

import pandas as pd
from  itertools import combinations
from collections import Counter

df = pd.DataFrame(data=[[0,0,1,1,0],[0,0,1,1,0],[0,1,0,1,0],[0,1,1,1,1],[0,0,0,1,1],[0,1,1,1,1]],columns=['a','b','c','d','e'])
#acceso a las columnas b,c,d,e
col = df.iloc[:,[1,2,3,4]]
print(df)
print(col)#este es el dataframe con el que quiero encontrar las combinaciones

# Obtener combinaciones de 4 numeros de las columnas b,c,d,e
cc = list(combinations(df.col, 5))

# Agregar combinaciones a una lista
tmp_list = []

for columns in cc:
    tmp_list.append(list(zip(df[col[0]], df[col[1]])))


tmp_list.append(list(zip(df.b, df.c, df.d, df.e)))

#Aplanar la lista
flat_list = [item for sublist in tmp_list for item in sublist]

print(['{0}:{1}'.format(list(item), count) for item, count in Counter(flat_list).items()])
1
  • Buen día, bienvenido(a) a la comunidad. Haz hecho una buena primer pregunta, incluyendo el código que has intentado utilizar y una descripción clara, aún así te recomiendo hacer el recorrido de bienvenida y leer la sección Cómo preguntar para que te familiarices con los lineamientos de Stack Overflow en español y obtener tu primer medalla. el 6 sep. 2022 a las 8:58

1 respuesta 1

0

Buen día,

La forma mas sencilla que se me ocurre es utilizando pandas.DataFrame.groupby junto con pandas.core.groupby.GroupBy.size

Utilizando el dataframe de tu pregunta:

import pandas as pd

df = pd.DataFrame(data=[[0,0,1,1,0],[0,0,1,1,0],[0,1,0,1,0],[0,1,1,1,1],[0,0,0,1,1],[0,1,1,1,1]],columns=['a','b','c','d','e'])
print(df.groupby(['b', 'c', 'd', 'e'], as_index=False).size())

Esto devuelve:

   b  c  d  e  size
0  0  0  1  1     1
1  0  1  1  0     2
2  1  0  1  0     1
3  1  1  1  1     2
1
  • Buen día, funciona a la perfección y lo mejor es que solo se utilizan dos líneas. Gracias!
    – Paul
    el 6 sep. 2022 a las 17:01

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.