python - 从数据框中的文本列中选择唯一的组合

Question

我的数据集中有两列，如下所示。我想要的是从所有“喜欢”的组合中仅选择一种组合。对于这种情况，(orange,fruit) 和 (fruit,orange) 是等价的，所以我只需要其中之一。另外，现在水果已经映射到橙色，我不再需要任何水果了。所以基本上(水果，红色)会变成(橙色，红色)

C1      C2
orange  fruit
orange  color
orange  apple
apple   red
apple   fruit
fruit   red
fruit   apple
fruit   mango
fruit   orange

这是我在 Python 中尝试过的代码

# Convert data frame to set of tuples

l = []

for i,x in df.iterrows():
    l.append((x['C1'],x['C2']))

s_comb = set(l)

# Set of unique values from C1
s = set(list(df['C1']))

#Initialize x with first element of s
x = list(df['C1'])[0]
x=[x]

# Code for creating combinations

for i in s:
    if i not in x:
        for j in x:
            if (i,j) not in s_comb:
                x.append(i)

预期输出:

C1      C2
orange  fruit
orange  color
orange  apple
orange  red
orange  mango

目前代码花费的时间很长，并且我不确定代码输出的准确性。

Answer 1

对于问题的第一部分，您可以这样做:

df['C'] = df.apply(lambda x: (str(set(x[['C1', 'C2']]))), axis=1)
df = df.drop_duplicates(subset='C')[['C1', 'C2']] 

对于第二部分，您可以执行类似的操作:

df['Cmin'] = df.apply(lambda x: min(x[['C1', 'C2']]), axis=1)
df = df.drop_duplicates(subset='Cmin')[['C1', 'C2']] 

df['Cmax'] = df.apply(lambda x: max(x[['C1', 'C2']]), axis=1)
df = df.drop_duplicates(subset='Cmax')[['C1', 'C2']]