Excel-Spreadsh中的组合数学二集

Question

很难解释，但我会尝试一下，因为我卡住了。你知道吗

我使用NodeXL查看数据集中的关系。基本上我有一些主题，然后是这些主题的子主题，我需要一个列表，列出每个主题的所有可能的子主题组合，但每个组合最多只有两个变量（会有重复的组合，因为有多个主题，我想看看哪些组合是最常见的）。你知道吗

这是一个例子

输入：

Topic   Subtopic
G/xxx1   Banana
G/xxx1   Apple
G/xxx1   Pear
G/xxx1   Grape
G/xxx2   Banana
G/xxx2   Grape
G/xxx2   Pear

输出

A        B
Banana   Apple
Banana   Pear
Banana   Grape
Apple    Pear
Apple    Grape
Pear     Grape

Banana   Grape
Banana   Pear
Grape    Pear

我希望这是有意义的，我会非常感谢，如果有人有一个很好的方式做这件事。我不能手动操作，因为我有成千上万的主题。你知道吗

Answer 1

我是用csv格式做的，但是你可以调整它。我将如何做（使用pandas读取数据帧）：

import pandas as pd

df = pd.read_csv("data.csv")

combinations = []
for index, subset in df.groupby("Topic"):
    subtopics = list(subset["Subtopic"])
    n = len(subtopics)
    for i in range(n):
        for j in range(i):
            combinations.append(2(subtopics[i],subtopics[j]))

print combinations
print len(combinations)

无论如何，创建所有对的最佳方法。我正在研究第二种可能的解决方案。将尽快发布；）

编辑：

下面是我的第二个解决方案（仍在使用熊猫）：

作为pd导入

df = pd.read_csv("data.csv")
indexedDF = df.reset_index().set_index("Topic")
mergedDF = pd.merge(indexedDF,indexedDF, left_index=True, right_index=True)
finalDF = mergedDF[mergedDF["index_x"] > mergedDF["index_y"]]

print finalDF