问题标签 [frozenset]

我有一个冻结的集合，其元素是这样的：

我想将冻结集中的元素写入熊猫数据框，如下所示：

最有效的方法是什么？

我有一个元组列表，每个元组包含一个字符串和两个整数。该列表如下所示：

该列表包含数千个这样的元组。现在，如果我想获得独特的组合，我可以frozenset在我的列表中执行以下操作：

这给了我以下结果：

我知道 set 是一个无序的数据结构，这是正常情况，但我想在这里保留元素的顺序，以便之后我可以将元素插入pandas数据框中。数据框将如下所示：

我正在尝试对两个 pandas 数据帧进行连接，其中一个是从 mlxtend 包运行 Apriori 算法的结果。当我尝试加入两者时，它输出了一堆无。我认为至少其中一个原因是我加入的数据框之一在两列中包含“（”和“）”，我试图删除它们但没有运气，因为它们是不可变的冻结套。

我将在这里尝试从两个数据帧中复制一个最小样本：

这是一个数据框的示例：

这是另一个示例：

我希望看到的最终结果是：

当我进行连接时，它会显示列中所有行的 NaN，甚至知道我知道它们都应该有匹配项。我转换为字符串以尝试查看是否可以使用这种方式进行连接

所以我看到我有一个无法轻易分解的不可变 Frozenset。为了能够正确连接这两个表，我该怎么做？

我有一个熊猫系列，其元素构成frozensets：

我想成对应用一个函数。例如，tokens.diff给我连续行之间的差异：

我想要同样的东西，但不是设置差异，我想要在连续行上设置联合。所以，我理想地喜欢：

如何使用 Pandas 实现这一目标？我知道我可以zip使用列表组合来做到这一点，但希望有更好的方法。

我一直在尝试使用这些数据开发一个先验算法。我能够获得对和三元组的关联和置信度，但是在格式化输出和提取正确元素时遇到了麻烦。

我在这个测试数据上运行了算法。它只是原始数据集的一个子集。当前输出如下所示：

正如你所看到的那样，它有点乱。该列表基于降序的置信度进行排序。我想将频繁对与频繁三元组分开并排列输出，使其看起来像这样：

以上是基于置信度的前 5 个频繁对和前 5 个频繁三元组。

我遇到的主要问题是区分频繁对和三元组，然后从冻结集中提取项目，使它们具有上述格式。

对此问题的任何建议表示赞赏。如果您对代码或思考过程有任何疑问，请告诉我。如果有任何粗心的错误，请提前道歉。

感谢您阅读

我的 freezeset 输出如下所示：

下面的数据只是一个例子。总的来说，我希望数据采用这种格式：

对于双打：

项目项目置信度

对于三重奏：

项目项目项目信心

双打：

三重奏：

我只是想知道是否可以检索元素以使输出采用以下格式：

如果不是使用 freezeset 的任何替代方法都会有所帮助。

感谢您阅读

I want to translate a dataframe to frozensets and keep the dataframe columns within the frozenset.

Example

And I would like something as :

I tried x.apply(frozenset,1) but it gives me that :

Any help will be useful. Thank you

freezeset 文档说：

freezeset 类型是不可变和可散列的——它的内容在创建后不能更改；因此，它可以用作字典键或另一个集合的元素。

但是，python 集的文档说：

由于集合仅定义部分排序（子集关系），因此 list.sort() 方法的输出对于集合列表是未定义的。

这让我不禁要问：为什么会这样？而且，如果我想按集合内容对集合列表进行排序，我该怎么做？我知道扩展 intbitset: https://pypi.python.org/pypi/intbitset/2.3.0具有返回表示设置内容的位序列的功能。python集有可比性吗？

假设我生成一个frozenset

我有空集

现在我想要两个集合的联合：

这给了我

这假定包含空的frozenset 的frozenset 本身是空的。但是，我想拥有

所以，我想将空集显式添加到集合中。例如，在我看来，在构建电源组时这是必要的吗？

那么：只包含空集本身的集合族是空的吗？在 Python 中，有没有一种方法可以使用变量类型将一个空集显式包含到一组集合set中frozenset？

假设我有两个非常大的字典：bigDictA 和 bigDictB，如下所示。

现在，我编写的需要帮助优化的算法如下所示：

因此，如果 THRESHOLD 为 0.3，则将 freezeset("a1","b2","c3") 添加到 setOfMatches，但如果 THRESHOLD 为 0.7，则不会添加。

我意识到这效率不高，但我绝对愿意接受任何建议，包括将关键数据类型转换为其他数据类型以加快速度。我也研究过使用 Numba 和 Cython 等工具（不过我更喜欢将它保存在纯 python 中）。它需要快速疯狂！

非常感谢任何帮助！谢谢！