按两列排序，并在第三列中计算共享值

Question

在Pandas中，我希望按两列分组，并计算共享的第三列值的数量。加上对更多共享的偏好

在下面的数据框中，将col1值分组，col2值分组，并计算col2值共享col3值的频率

结果是：ID1&；ID2共享一个col3值（2）。ID3股份，无（1）。但是，ID1、ID2和ID4也共享一个值（3）。如ID1&；ID2已经共享了一个值—获取ID和更多ID共享的值（3）。因此答案是3,1。计数列表必须始终=nunique col2值

^{tb1}$

Answer 1

如果我理解正确，我认为您希望按col3而不是col2分组：

df = pd.read_html('https://stackoverflow.com/q/69419264/14277722')[0]

df = df.groupby(['col1','col3'])['col2'].apply(list).reset_index()
df['count'] = df['col2'].apply(len)

然后，您可以删除col2是另一行the following的子集的行：

arr = pd.get_dummies(df['col2'].explode()).max(level=0).to_numpy()
subsets = np.matmul(arr, arr.T)
np.fill_diagonal(subsets, 0)
mask = ~np.equal(subsets, np.sum(arr, 1)).any(0)

df = df[mask]

   col1 col3             col2  count
0     A   12  [ID1, ID2, ID4]      3
3     A   18            [ID3]      1