python - 在 Python 中查找共同朋友的数量
问题描述
我有一个用户及其朋友的数据框,如下所示:
user_id | friend_id
1 3
1 4
2 3
2 5
3 4
我想编写一个函数python
来计算每对的共同朋友的数量:
user_id | friend_id | num_mutual
1 3 1
1 4 1
2 3 0
2 5 0
3 4 1
目前我有:
def find_mutual(df):
num_mutual = []
for i in range(len(df)):
user, friend = df.loc[i, 'user_id'], df.loc[i, 'friend_id']
user_list = df[df.user_id == user].friend_id.tolist() + df[df.friend_id == user].user_id.tolist()
friend_list = df[df.user_id == friend].friend_id.tolist() + df[df.friend_id == friend].user_id.tolist()
mutual = len(list(set(user_list) & set(friend_list)))
num_mutual.append(mutual)
return num_mutual
它适用于小型数据集,但我在具有数百万行的数据集上运行它。运行一切需要很长时间。我知道这不是找到计数的理想方法。Python中有更好的算法吗?提前致谢!
解决方案
[ugly] 的想法是构建一个以 a 开头user_id
并以 same 结尾的 4 点路径user_id
。如果存在这样的路径,则 2 个起点有共同的朋友。
我们从:
df
user_id friend_id
0 1 3
1 1 4
2 2 3
3 2 5
4 3 4
然后你可以这样做:
dff = df.append(df.rename(columns={"user_id":"friend_id","friend_id":"user_id"}))
df_new = dff.merge(dff, on="friend_id", how="outer")
df_new = df_new[df_new["user_id_x"]!= df_new["user_id_y"]]
df_new = df_new.merge(dff, left_on= "user_id_y", right_on="user_id")
df_new = df_new[df_new["user_id_x"]==df_new["friend_id_y"]]
df_out = df.merge(df_new, left_on=["user_id","friend_id"], right_on=["user_id_x","friend_id_x"], how="left",suffixes=("__","_"))
df_out["count"] = (~df_out["user_id_x"].isnull()).astype(int)
df_out[["user_id__","friend_id","count"]]
user_id__ friend_id count
0 1 3 1
1 1 4 1
2 2 3 0
3 2 5 0
4 3 4 1
使用图方法的更优雅和直接的方式
import networkx as nx
g = nx.from_pandas_edgelist(df, "user_id","friend_id")
nx.draw_networkx(g)
然后,您可以将共同朋友的数量标识为存在 3 个节点路径的 2 个相邻节点(2 个朋友)的路径数:
from networkx.algorithms.simple_paths import all_simple_paths
for row in df.itertuples():
df.at[row[0],"count"] = sum([len(l)==3 for l in list(all_simple_paths(g, row[1], row[2]))])
print(df)
user_id friend_id count
0 1 3 1.0
1 1 4 1.0
2 2 3 0.0
3 2 5 0.0
4 3 4 1.0
推荐阅读
- asp.net-core - 模块之间的通信 - MediatR 或 Interface/Fasade?
- android - 如何在嵌套对象中获取 Firestore GeoPoint 值?
- python - 在 Azure Container Regisrty 上使用自定义 Docker 映像部署 Azure 机器学习模型
- python-3.x - 在 __getattr__ 中引发 AttributeError(attr) AttributeError: to_text
- drone - 微调无人机管道步骤的条件
- django - 使用 chart.js 显示空图表
- javascript - 在 v_bind:class 中调用方法不起作用(vue js)
- c - 为什么在 C 中使用静态函数?
- python-3.x - 如何删除嵌套的 for 循环并使用 numpy 数组 insead
- swift - 检查返回值是否为整数,如果是,则在 Swift 中返回字符串