python - 对数据集的所有连接节点进行分组
问题描述
这不是以下内容的重复:
注意:熊猫版本 0.23.4
假设:数据可以按任何顺序排列。
我有一个清单:
L = ['A', 'B', 'C', 'D', 'L', 'M', 'N', 'O']
我也有一个数据框。Col1 和 Col2 有几个相关的列,其中包含我希望保留的相关信息。信息是任意的,所以我没有填写。
Col1 Col2 Col1Info Col2Info Col1moreInfo Col2moreInfo
A B x x x x
B C
D C
L M
M N
N O
我正在尝试为列表的每个元素执行“搜索和分组”。例如,如果我们对列表中的元素“D”执行搜索,则将返回以下组。
To From Col1Info Col2Info Col1moreInfo Col2moreInfo
A B x x x x
B C
D C
我一直在玩networkx,但它是一个非常复杂的包。
解决方案
您可以使用两列中的值作为边来定义图形,并查找connected_components
. 这是一种使用方法NetworkX
:
import networkx as nx
G=nx.Graph()
G.add_edges_from(df.values.tolist())
cc = list(nx.connected_components(G))
# [{'A', 'B', 'C', 'D'}, {'L', 'M', 'N', 'O'}]
现在说例如你想过滤D
,你可以这样做:
component = next(i for i in cc if 'B' in i)
# {'A', 'B', 'C', 'D'}
并索引两列中的值所在的数据框component
:
df[df.isin(component).all(1)]
Col1 Col2
0 A B
1 B C
2 D C
通过生成数据框列表,可以将上述内容扩展到列表中的所有项目。然后我们只需要使用给定项目存在的位置进行索引L
:
L = ['A', 'B', 'C', 'D', 'L', 'M', 'N', 'O']
dfs = [df[df.isin(i).all(1)] for j in L for i in cc if j in i]
print(dfs[L.index('D')])
Col1 Col2
0 A B
1 B C
2 D C
print(dfs[L.index('L')])
Col1 Col2
3 L M
4 M N
5 N O