python 使用set()计算变量交集

在推荐或销售场景中，会比较希望知道客户经常会同时购买哪些产品；在风控场景中，会希望知道哪些标签同时出现时客户的风险更高…有兴趣的伙伴可以了解下关联算法。

此处不介绍关联算法，但数据处理中也有类似的情形，对于指定的标签集合{C01,C02,G05}, 如果想要计算包含多个标签的变量与该指定集合的标签交集，该如何处理呢？以下是输入变量及希望的输出结果示例

var	input_var	output_var
a	C01,C02,G01,G05	C01,C02,G05
b	C02,G01,G05	C02,G05
c	C02,G01,G03	C02
d	C01,G03,G05,M03	C01,G05
e	G05,M03,M04	G05
f	G03,M03,M04

使用集合函数set()即可处理，代码如下

Out: dt
  var        input_var
0   a  C01,C02,G01,G05
1   b      C02,G01,G05
2   c      C02,G01,G03
3   d  C01,G03,G05,M03
4   e      G05,M03,M04
5   f      G03,M03,M04

In : dt['intsec_'] = dt.apply(lambda x: list(set(x.input_var.split(",")).intersection(['C01','C02','G05'])), axis=1)
Out: dt
  var        input_var          intsec_
0   a  C01,C02,G01,G05  [C02, C01, G05]
1   b      C02,G01,G05       [C02, G05]
2   c      C02,G01,G03            [C02]
3   d  C01,G03,G05,M03       [G05, C01]
4   e      G05,M03,M04            [G05]
5   f      G03,M03,M04               []

In : dt['ouput_var'] = dt['intsec_'].map(lambda x: ','.join(x))
Out: dt
  var        input_var          intsec_    ouput_var
0   a  C01,C02,G01,G05  [C02, C01, G05]  C02,C01,G05
1   b      C02,G01,G05       [C02, G05]      C02,G05
2   c      C02,G01,G03            [C02]          C02
3   d  C01,G03,G05,M03       [G05, C01]      G05,C01
4   e      G05,M03,M04            [G05]          G05
5   f      G03,M03,M04               []