数据框 - 选择最小行集来覆盖每列的所有可能值
发布于2024-11-26 22:27 阅读(579) 评论(0) 点赞(20) 收藏(4)
我正在研究一个用例，我需要从数据框中检索最少的行样本，该数据框包含所有列中找到的每个唯一值至少一行。
一个简化的例子可能是：
| ID | 一个 | 乙 | 碳 |
|---|---|---|---|
| 1 | 德 | 格 | 十 |
| 2 | 德 | 格 | 和 |
| 3 | 和 | 格 | 和 |
| 4 | 和 | 赫 | 和 |
| 5 | F | 我 | 和 |
在这里，我想保留 ID 为 1、4 和 5 的行，以便至少有一行包含来自 A 的值 D、E 和 F；来自 B 的值 G、H 和 I 以及来自 C 的值 X、Y 和 Z。我不需要有所有组合，只需要有每一列的所有唯一值：
| ID | 一个 | 乙 | 碳 |
|---|---|---|---|
| 1 | 德 | 格 | 十 |
| 4 | 和 | 赫 | 和 |
| 5 | F | 我 | 和 |
有什么有效的方法可以做到这一点？
谢谢
解决方案
以下是我最终的选择：
- 计算每列中每个值的出现次数，并按计数升序排序
- 选择包含所有出现次数最少的值的随机行，并将该值和选定行中的所有其他值添加到字典中。
- 循环遍历我已排序的值列表，计算包含循环所在列表的当前值的每一行的“新值”数量。选择“新值”数量最多的行。
- 重复此操作，直到所有值都被选取
由于我只是在每一步中最小化行数，因此远非最佳解决方案，但它非常高效，可以完成工作。可能可以使用递归算法来测试所有解决方案，但我对最终的行集没有太大要求，除非它需要所有可能的值。
感谢大家的意见，他们帮助我找到了这个解决方案。
所属网站分类: 技术文章 > 问答
作者：黑洞官方问答小能手
链接：https://www.pythonheidong.com/blog/article/2046122/406783d6ac707101a387/
来源：python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容：(最多支持255个字符)
---无人问津也好，技不如人也罢，你都要试着安静下来，去做自己该做的事，而不是让内心的烦躁、焦虑，坏掉你本来就不多的热情和定力