カウントライン周波数と、このようなテキストファイルで

Question

出力ファイルを生成する：

a;b 
b;a 
c;d 
d;c 
e;a 
f;g 
h;b 
b;f 
b;f 
c;g 
a;b 
d;f 

どのようにそれを読むと、二つの出力テキストファイルを生成することができます。各文字のために最も頻繁に発生するカップルを表す1つの維持が行だけを;最も一般的な文字の上位25％のいずれかを含むすべてのカップルを保持するもの。

ご迷惑をおかけして申し訳ございません。リスト内包、カウント、パンダでたくさんのものを試してみましたが、十分に流暢ではありませんでした。

Answer 1

ここでは、フリーズしていない回答です。

df1 = df.apply(sorted, 1) 
df_count =df1.groupby(['A', 'B']).size().reset_index().sort_values(0, ascending=False) 
df_count.columns = ['A', 'B', 'Count'] 

df_all = pd.concat([df_count.assign(letter=lambda x: x['A']), 
        df_count.assign(letter=lambda x: x['B'])]).sort_values(['letter', 'Count'], ascending =[True, False]) 

df_first = df_all.groupby(['letter']).first().reset_index() 

top = int(len(df_count)/4) 
df_top_25 = df_count.iloc[:top] 

------------古い答えは--------

ための事項ので、あなたはGROUPBYへの鍵として凍結されたセットを使用することができます

私たちは、それ自体の上に、このデータフレームを連結し、別を行います各文字のための最高のコンボを取得するには、この

にあなた

Combos Count 
0 (a, b)  3 
1 (b, f)  2 
2 (d, c)  2 
3 (g, f)  1 
4 (b, h)  1 
5 (c, g)  1 
6 (d, f)  1 
7 (e, a)  1 

を与える

import pandas as pd 
df = pd.read_csv('text.csv', header=None, names=['A','B'], sep=';') 
s = df.apply(frozenset, 1) 
df_count = s.value_counts().reset_index() 
df_count.columns = ['Combos', 'Count'] 

最初または2番目の文字を保持する列。

df_a = df_count.copy() 
df_b = df_count.copy() 

df_a['letter'] = df_a['Combos'].apply(lambda x: list(x)[0]) 
df_b['letter'] = df_b['Combos'].apply(lambda x: list(x)[1]) 

df_all = pd.concat([df_a, df_b]).sort_values(['letter', 'Count'], ascending =[True, False]) 

これは文字とカウント（降順）でソートされているため、各グループの最初の行を取得するだけです。

df_first = df_all.groupby('letter').first() 

そして、ちょうど

top = int(len(df_count)/4) 
df_top_25 = df_count.iloc[:top] 

を使用して、ファイルに出力する.to_csvを使用し、上位25％を取得します。